第三讲:计量分析方法
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第三讲:计量分析方法
一、回归分析
●回归的本质
英国著名遗传学家弗朗西斯·高尔顿(Si r Francis
Galton,1822-1911)在子女与父母相像程度遗传学研究
方面,取得了重要进展。高尔顿的学生卡尔·皮尔逊(Karl
Pearson,1857-1936)在继续这一遗传学研究的过程中,
测量了1078个父亲及其成年儿子的身高。
在高个子人群中,下一代的平均身高会低于高个
子本代的平均身高;而在矮个子人群中,下一代的平均
身高则会超过本代的平均身高,也就是人的身高存在一种趋势,即向整个人群平均身高靠拢的趋势。高尔顿将变量向均值靠拢的趋势称为“回归”
◇回归的本质:用X来推断Y(利用样本数据来估计未知参数向量β),
而非“预测”Y。
*能否进行经济预测?
● 理论回归模型
◇ 简单回归模型:一元线性回归
*最小二乘法(OLS ): εββ++=x y 10
y :因变量、被解释变量、响应变量,等
x :自变量、解释变量、控制变量,等
ε(μ):误差项、残差项、扰动项,等,观察不到的因素。 最小二乘方法是选择β的值,使得残差平方和达到最小。
()
=--=
∑∑2
102
i
i
x Y
ββε
()
∑--2
10min
i
x Y
ββ
◇ 参数估计
对0β 和1β
求一阶偏导数,并令其=0.,可得:
1
β
=()()()∑∑---2
x x Y Y x x i
i
i
=
∑∑--2
2
x
n x
Y x n Y x i
i
i
0β
=x Y 1β
-
残差(
)x Y Y Y 10ββε
+-=-=
残差平方和(RSS ) (
)[]
2
102
+-=x
Y ββε
计算顺序:
①求0β 和1β :1β
=2013
=0.65, 0β =0.3
②求估计值和残差:i Y =0β +1β
i x =0.3+0.65i x
i ε
=i y -i Y ==
2
3.22
s
1.15
2
β s =()
005
.10676
696469615.1=-⨯⨯
*
0β s =3.163 2
1
β s =0575
.0676
69615.1=-
*1
β s =0.240
③求决定系数2
R :相关系数r 的平方, 102
≤≤R
2
R
=
()()∑∑--22
Y Y
Y
Y i
i
=()()
∑∑∑---2
2
2
Y Y Y Y i
i
i
ε
=
∑∑--2
22
2
Y
n Y
Y
n Y i
i
=786.075
.1045.875
.8*431775.8*47.3142
2
==
--
◇ 线性回归模型基本假定:
① 线性关系 ② 随机样本
③ 全秩(Full Rank ):在变量之间不存在完全线性关系 ④ ()0=x E ε, 零条件均值
()0,=εx Cov ,ε与解释变量无关
⑤ ()2
σε=x Var , 同方差性
()()0,,==j
i
j i E Cov εεε
ε,ε
的协方差等于零,无自相关
⑥ ε~()2
,0σN ,ε服从正态分布。
⑦ x 为外生变量(固定值)
◇非线性方程的线性转换 ①指数函数:β
αX
Y =,两边取对数, x y βα+=
②指数函数:X Y βα⨯=,两边取对数,bX y +=α ③分数函数:X Y β
α+=,设X x 1=,x y βα+= ④分数函数:X
Y βα+=
1
,设Y
x 1=
,X y βα+=
⑤半对数函数:X Y l og βα+=,设X x l o g =,x y βα+= ⑥2次函数:2
x x Y γβα++=,设2
X Z =,Z X y γβα++=
⑦柯布-道格拉斯函数:γ
βαY X Z =,两边取对数,
⑧逻辑函数:x
x
e
e
Y βαβα+++=1,设Y
Y y -=1l og
⑨逻辑函数:x
e
Y βαγ
++=1,设
⎪⎭
⎫
⎝⎛-=1l og Y y γ,
◇ 多元回归模型
εββββ+++++=k k x x x y 22110
*自由度修正调整决定系数2R ,有可能为负
=()()
()
∑∑----1/122n Y Y k n i i
ε
● 检验
◇ t 检验,t 值或t 统计量
2
β s ,2
β s
非正规分布,而是 t 分布
*虚拟假设、对立假设
虚拟假设 0H :00=β, 0H :01=β 对立假设 1H :00≠β, 1H :01≠β *单侧经验、双侧检验
*自由度=1--k n
*显著性水平: 1%:*** ; 5%:**; 10%:*