第二章:双变量线性回归分析

第二章:双变量线性回归分析

ID:33876089

大小:307.00 KB

页数:15页

时间:2019-03-01

第二章:双变量线性回归分析_第1页
第二章:双变量线性回归分析_第2页
第二章:双变量线性回归分析_第3页
第二章:双变量线性回归分析_第4页
第二章:双变量线性回归分析_第5页
资源描述:

《第二章:双变量线性回归分析》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第三部分初计量经济(13周)经典单方程计量经济模型:一元线形回归模型经典单方程计量经济模型:多元线形回归模型经典单方程计量经济模型:放宽基本假定模型第一章一元线性回归(双变量)(1)回归分析的基本概念(2)前提建设(3)参数估计:OLS的参数估计ML的参数估计(4)统计检验(5)预测(6)时间案例与操作(7)思考与作业§1经典正态线性回归模型(CNLRM)1、一个例子XY80100120140160180200220240260556579801021101201351371506070849310711513613714515

2、26574909511012014014015517515708094103116130144152165178758598108118135145157175180-88-113125140-160189185---115---162-191总计32546244570767875068510439661211均值657789101113125137174161173注x表示收入,y表示支出。条件分布:以X取定值为条件的Y的条件分布条件概率:给定X的Y的概率,记为P(Y

3、X)。例如,P(Y=55

4、X=80)=1/5;P(Y=15

5、0

6、X=260)=1/7。条件期望(conditionalExpectation):给定X的Y的期望值,记为E(Y

7、X)。例如,E(Y

8、X=80)=55×1/5+60×1/5+65×1/5+70×1/5+75×1/5=65总体回归曲线(PopularRegressionCurve)(总体回归曲线的几何意义):当解释变量给定值时因变量的条件期望值的轨迹。15总结总体:总体函数:PRF:Yi=b1+b2Xi+ui=E(Y

9、Xi)+ui总体方程:PRF:Yi=b1+b2Xi=E(Y

10、Xi)样本:样本函数:SRF:=++=+样本方程:S

11、RF:=++=1、总体回归函数(PRF)E(Y

12、Xi)=f(Xi)当PRF的函数形式为线性函数,则有,E(Y

13、Xi)=b1+b2Xi其中b1和b2为未知而固定的参数,称为回归系数。b1和b2也分别称为截距和斜率系数。上述方程也称为线性总体回归函数。151、PRF的随机设定将个别的YI围绕其期望值的离差(Deviation)表述如下:ui=Yi-E(Y

14、Xi)或Yi=E(Y

15、Xi)+uiPRF:Yi=b1+b2Xi+ui=E(Y

16、Xi)+ui其中ui是一个不可观测的可正可负的随机变量,称为随机扰动项或随机误差项。2、“线性”的含义

17、“线性”可作两种解释:对变量为线性,对参数为线性。本课“线性”回归一词总是指对参数b为线性的一种回归(即参数只以它的1次方出现)。模型对参数为线性?模型对变量为线性?是不是是LRMLRM不是NLRMNLRM注:LRM=线性回归模型;NLRM=非线性回归模型。看几个例子:3、随机干扰项的意义(补充内容)15随机扰动项是从模型中省略下来的而又集体地影响着Y的全部变量的替代物。显然的问题是:为什么不把这些变量明显地引进到模型中来?换句话说,为什么不构造一个含有尽可能多个变量的复回归模型呢?理由是多方面的:(1)理论的含糊性(2)数据的

18、欠缺(3)核心变量与周边变量(4)内在随机性(5)替代变量(6)省略原则(7)错误的函数形式总之把所有没有模型中没有包含,但有关的变量全部纳入干扰项之中。1、样本回归函数(SRF)(1)样本回归函数=+其中=E(Y

19、Xi)的估计量;=的估计量;=的估计量。估计量(Estimator):一个估计量又称统计量,是指一个规则、公式或方法,是用已知的样本所提供的信息去估计总体参数。在应用中,由估计量算出的数值称为估计值。样本回归函数的随机形式为:SRF:=++=+其中表示(样本)残差项(residual)。(2)样本回归线的几何意义15

20、XiXPRF:E(Y

21、Xi)=b1+b2XiSRF:=+YE(Y

22、Xi)7、经典线性回归模型(CLRM)的基本假定:假定1:干扰项的均值为零。即,E(ui

23、Xi)=0假定2:同方差性或ui的方差相等。即,Var(ui

24、Xi)=s2假定3:各个干扰项无自相关。即,Cov(ui,uj

25、Xi,Xj)=0假定4:ui和Xi的协方差为零。即,Cov(ui,Xi)=E(uiXi)=0假定5:回归模型对参数而言是线性的假定6:§2估计问题(b和s2)一、普通最小二乘法1、问题:PRF:Yi=b1+b2Xi+uiSRF:=++=+=-=-(+)

26、minf(,)=minS2=minS[-(+)]22、正规方程(Normalequation)15由=0,以及=0得到的方程组称为正规方程。即,S=n+SS=S+S2一、b的估计1、公式:解上述正规方程组得到和估计值:其中和是X和Y的样本均值。定义离差:=-,=

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。