中级计量经济学-1

《中级计量经济学-1》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、计量经济学Econometrics湘潭大学商学院二○一○年三月三日2经济学研究的基本分析方法实证研究计量经济学的意义3通过该门课程的教学，使学生掌握现代经济学研究和分析的基本理论与方法，具备应用计量经济学模型分析实际经济问题的能力。为今后在经济、金融等领域能够独立进行科学研究和分析提供基本的计量经济学方法与技巧。课程教学目的4课程学时安排总课时：45学时课堂教学35学时实践教学10学时5参考教材JeffreyWooldridge，《横截面与面板数据的经济计量分析》，中国人民大学出版社。William

2、H.Greene，《计量经济分析》，中国人民大学出版社。JeffreyWooldridge，《计量经济学导论》，中国人民大学出版社。DamodarN.Gujarati，《计量经济学基础》，中国人民大学出版社。6一元回归模型变量u：随机误差项或随机扰动项表示：除X之外其他影响Y的因素7一元线性回归模型模型表述了Y和X之间的线性关系。x对y具有线性影响：Δy=βΔxβ：y和x关系式中的斜率参数（slopeparameter）α：截距参数（interceptparameter）8例简单的工资方程表示一个人

3、的工资水平与他的受教育程度及其他非观测因素的关系：Wage:工资水平Educ:受教育的年数β:(在其他条件不变的情况下)每增加一年教育所获得的工资增长。其他非观测因素u线性性显示，不管X的初始值为多少，它的任何一单位变化对Y的影响都是相同的。9一个假设的例子调查全部家庭来认识某一个群体的消费行为相同的收入对应着不同的消费X—收入Y—消费Y=17+0.6X10总体回归曲线PRC（PopulationRegressionCurve）收入给定值时，消费的条件期望值的轨迹是一条由收入X确定的直线:E(Y

4、X

5、)=17+0.6X自变量给定时因变量的条件期望值的轨迹。608010012014016018050100150200250300YX1112样本回归曲线SRC(SampleRegressionCurve)SRF来自总体，围绕着PRF变动，用SRF估计PRF13一元线性回归模型Thetwo-variablelinearregressionmodel14一元线性回归模型的定义1.X与Y之间的关系是线性的。2.X是非随机的变量，它的值是确定的。3.误差项的期望为0：E(ui)=0。4.对于所有观测值，误差

6、项具有相同的方差，即E(ui2)=σ2——同方差假定5.随机变量ui之间统计上是独立的，因此对所有的i≠j，E(uiuj)=0—无序列相关假定6.误差项服从正态分布。假设1—5：古典线性回归模型的定义15同方差16异方差17序列相关ettuu18P4R4Y实际值拟合值YXX1X2X3X4α一元线性回归模型的估计OLS最小二乘准则：使全部观察值的残差平方和最小。19普通最小二乘估计量(ordinaryleastsquares)OLS估计量20最佳线性无偏估计（bestlinearunbiasedest

7、imation）最小二乘估计为一随机变量。21高斯-马尔可夫定理（Gauss-Markovtheorem）古典线性回归模型的假定下，最小二乘估计量，在所有线性无偏估计中，具有最小方差。即OLS估计量是BLUE（BestLinearUnbiasedEstimator）。22一元回归模型:Y=α+bX+u古典线性回归模型的假定下，最小二乘估计量，为最佳线性无偏估计量。OLS估计量其他估计量23一元回归模型:Y=α+bX+u回归系数估计量的分布24一元回归模型:Y=α+bX+u回归系数估计量的分布25一

8、元回归模型:Y=α+bX+u回归系数估计量的特征值：26一元回归模型:Y=α+bX+u回归系数估计量的分布——随机扰动项的方差未知27假设检验和置信区间美国咖啡消费与平均零售价格的关系每人每日杯数每磅价格（美元）2.572.502.352.302.252.202.111.941.972.062.020.770.740.720.730.760.751.081.811.391.201.17试以95%的置信标准,估计斜率系数。1)计算斜率系数的点估计值2)计算斜率系数的置信区间美国咖啡消费与平均零售价格的

9、关系每人每日杯数每磅价格（美元）2.572.502.352.302.252.202.111.941.972.062.020.770.740.720.730.760.751.081.811.391.201.17试以95%的置信标准,估计斜率系数。VariableCoefficientStd.Errort-StatisticProb.C2.6911240.12162222.126860.0000X-0.4795290.114022-4.2055920.002330假设检验