经典单方程计量经济学模型：一元线性回归模型

《经典单方程计量经济学模型：一元线性回归模型》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第二章经典单方程计量经济学模型：一元线性回归模型一、内容提要本章介绍了回归分析的基本思想与基本方法。首先，本章从总体回归模型与总体回归函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。总体回归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总体回归函数做出统计推断。本章的一个重点是如何获取线性的样本回归函数，主要涉及到普通最小二乘法（OLS）的学习与掌握。同时，也介绍了极大似然估计法（ML）以及矩估

2、计法（MM）。本章的另一个重点是对样本回归函数能否代表总体回归函数进行统计推断，即进行所谓的统计检验。统计检验包括两个方面，一是先检验样本回归函数与样本点的“拟合优度”，第二是检验样本回归函数与总体回归函数的“接近”程度。后者又包括两个层次：第一，检验解释变量对被解释变量是否存在着显著的线性影响关系，通过变量的t检验完成；第二，检验回归函数与总体回归函数的“接近”程度，通过参数估计值的“区间检验”完成。本章还有三方面的内容不容忽视。其一，若干基本假设。样本回归函数参数的估计以及对参数估计量的统计性质的分析以及所进行的统计推断都是

3、建立在这些基本假设之上的。其二，参数估计量统计性质的分析，包括小样本性质与大样本性质，尤其是无偏性、有效性与一致性构成了对样本估计量优劣的最主要的衡量准则。Goss-markov定理表明OLS估计量是最佳线性无偏估计量。其三，运用样本回归函数进行预测，包括被解释变量条件均值与个值的预测，以及预测置信区间的计算及其变化特征。二、典型例题分析例1、令kids表示一名妇女生育孩子的数目，educ表示该妇女接受过教育的年数。生育率对教育年数的简单回归模型为7（1）随机扰动项包含什么样的因素？它们可能与教育水平相关吗？（2）上述简单回归分

4、析能够揭示教育对生育率在其他条件不变下的影响吗？请解释。解答：（1）收入、年龄、家庭状况、政府的相关政策等也是影响生育率的重要的因素，在上述简单回归模型中，它们被包含在了随机扰动项之中。有些因素可能与教育水平相关，如收入水平与教育水平往往呈正相关、年龄大小与教育水平呈负相关等。（2）当归结在随机扰动项中的重要影响因素与模型中的教育水平educ相关时，上述回归模型不能够揭示教育对生育率在其他条件不变下的影响，因为这时出现解释变量与随机扰动项相关的情形，基本假设4不满足。例2．已知回归模型，式中E为某类公司一名新员工的起始薪金（元）

5、，N为所受教育水平（年）。随机扰动项的分布未知，其他所有假设都满足。（1）从直观及经济角度解释和。（2）OLS估计量和满足线性性、无偏性及有效性吗？简单陈述理由。（3）对参数的假设检验还能进行吗？简单陈述理由。解答：（1）为接受过N年教育的员工的总体平均起始薪金。当N为零时，平均薪金为，因此表示没有接受过教育员工的平均起始薪金。是每单位N变化所引起的E的变化，即表示每多接受一年学校教育所对应的薪金增加值。（2）OLS估计量和仍满足线性性、无偏性及有效性，因为这些性质的的成立无需随机扰动项的正态分布假设。（3）如果的分布未知，则所

6、有的假设检验都是无效的。因为t检验与F检验是建立在的正态分布假设之上的。例3、在例2中，如果被解释变量新员工起始薪金的计量单位由元改为100元，估计的截距项与斜率项有无变化？如果解释变量所受教育水平的度量单位由年改为月，估计的截距项与斜率项有无变化？解答：首先考察被解释变量度量单位变化的情形。以E*表示以百元为度量单位的薪金，则7由此有如下新模型或这里，。所以新的回归系数将为原始模型回归系数的1/100。再考虑解释变量度量单位变化的情形。设N*为用月份表示的新员工受教育的时间长度，则N*=12N，于是或可见，估计的截距项不变，而

7、斜率项将为原回归系数的1/12。例4．对于人均存款与人均收入之间的关系式使用美国36年的年度数据得如下估计模型，括号内为标准差：＝0.538　　（1）的经济解释是什么？（2）和的符号是什么？为什么？实际的符号与你的直觉一致吗？如果有冲突的话，你可以给出可能的原因吗？（3）对于拟合优度你有什么看法吗？（4）检验是否每一个回归系数都与零显著不同（在1%水平下）。同时对零假设和备择假设、检验统计值、其分布和自由度以及拒绝零假设的标准进行陈述。你的结论是什么？解答：（1）为收入的边际储蓄倾向，表示人均收入每增加1美元时人均储蓄的预期平均

8、变化量。（2）由于收入为零时，家庭仍会有支出，可预期零收入时的平均储蓄为负，因此符号应为负。储蓄是收入的一部分，且会随着收入的增加而增加，因此预期的符号为正。实际的回归式中，的符号为正，与预期的一致。但截距项为负，与预期不符。这可能与由于模型的错误设定形造成的。