计量经济学简单回归模型.pptx

上传人:莉*** 文档编号:87527992 上传时间:2023-04-16 格式:PPTX 页数:78 大小:1.27MB
返回 下载 相关 举报
计量经济学简单回归模型.pptx_第1页
第1页 / 共78页
计量经济学简单回归模型.pptx_第2页
第2页 / 共78页
点击查看更多>>
资源描述

《计量经济学简单回归模型.pptx》由会员分享,可在线阅读,更多相关《计量经济学简单回归模型.pptx(78页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、2.1 简单回归模型的定义简单回归模型(即一元线性回归)用来研究两个变量之间的关系。y和x是两个代表某个总体的变量,我们感兴趣的是用x来解释y,或研究y如何随x而变化。在建立计量经济学模型前,我们会面临三个问题:y y和和x x的函数关系是怎样的呢?的函数关系是怎样的呢?我们应该如何考虑其他影响我们应该如何考虑其他影响y y的因素呢?的因素呢?我们何以确定我们在其他条件不变的情况下刻画了我们何以确定我们在其他条件不变的情况下刻画了y y和和x x之间的关系之间的关系?第1页/共78页术语注解y 通常被称为:Dependent Variable因变量Left-Hand Side Variable

2、左边变量Explained Variable被解释变量Response Variable响应变量Predicted Variable被预测变量Regressand回归子x通常被称为:Independent Variable自变量Right-Hand Side Variable右边变量Explanatory Variable解释变量Regressor回归元Control Variable控制变量Predictor Variable预测变量Covariate协变量第2页/共78页术语注解第3页/共78页例 一个简单的工资方程 wage=b b0+b b1 educ+u上述简单工资函数描述了工资和受

3、教育年限,以及其他不可观测因素u之间的关系.b1 衡量的是,在其他因素(包含在误差项u里面)不变的情况下,多接受一年教育,可以增加多少工资.其他因素包括:劳动力市场经验、内在的能力、目前所从事工作的工龄、职业道德,以及其他许多因素。包含在u中.第4页/共78页几点说明几点说明5第5页/共78页简单回归模型的一个重要假定:零条件均值假定 Zero Conditional Mean Assumption 第6页/共78页一个重要问题在简单回归模型中,y=b0+b1x+u,b1 衡量的是,在其他因素(包含在误差项u中)不变的情况下,x对于y的影响(ceteris paribus effect of

4、x on y).y=b1x,if u=0l但是,在实际中,包含于误差项u中的其他因素往往是不确定的,也就是说,u是一个随机变量。第7页/共78页一个重要问题l如果我们忽略包含于误差项u中的其他因素,能否通过简单回归模型,得到x对于y的其他因素不变情况下的影响(ceteris paribus effect of x on y)呢?l不能。l需要对u和x的关系作出假定,或者是说,假定x与y的关系符合一定的条件,才能通过上述模型估计x对于y的其他因素不变情况下的影响(ceteris paribus effect of x on y)。第8页/共78页关于u的一个简单假定假定总体(population

5、)中误差项u的平均值为零,即:E(u)=0(2.5)Is it very restrictive?该假定对于模型是否具有很大的限制性呢?第9页/共78页关于u的一个简单假定:一个例子只要简单回归模型中包含常数项,我们总可以等价变换,使得误差项u均值为0举一个例子:对于一个简单回归模型:y=b0+b1x+u,(a)假如 E(u)=1,则可以进行如下变换:y=(b0+1)+b1x+(u-1)=b0+b1x+u (b)这里,E(u)=E(u-1)=E(u)-1=0.上述推导说明,我们总可以通过调整常数项b0,来实现误差项u的均值为零,因此,假定E(u)=0,对于模型的限制性不大。第10页/共78页Z

6、ero Conditional Mean Assumption 零条件均值假定单纯对u作出零值假定是不够的。我们需要对u和 x之间的关系做一个关键假定。我们所希望的状况是,u的期望值不依赖于x的数值,也就是,无论x 的取值是多少,u的期望值不变。即:E(u|x)=E(u)换句话说,我们需要 u 和 x 完全不相关。第11页/共78页 零条件期望假定 在前面我们已经假定了E(u)=0,因此,零条件均值假定可以表述为:E(u|x)=E(u)=0 (2.6)What does it mean?该假定是何含义?第12页/共78页零条件均值假定:例1在简单工资-教育方程中:工资=b0+b1 教育年限+u

7、假定u 代表“内在能力”,零条件均值假定则表示,E(内在能力|教育年限=6)=E(内在能力|教育年限=18)=E(内在能力)即:对于不同教育年限的人,他们的内在能力的平均值相同。第13页/共78页零条件均值假定:例2假设期末成绩分数(score)取决于出勤次数(attend),以及其他不可观测的因素u。则可以写出一个简单二元回归模型,成绩=b0+b1 出勤次数+u假定u 代表“心理素质”,零条件均值假定则表示,E(心理素质|出勤次数=1)=E(心理素质|出勤次数=18)=E(心理素质)即:对于不同出勤次数的同学,他们的心理素质的平均值相同。第14页/共78页零条件均值假定:对b b1 的另一种

8、解释对于简单二元回归模型:y=b0+b1x+u对y求关于x的条件期望,则 E(y|x)=E(b0+b1x+u)|x =b0+b1x+E(u|x)注:E(b1x|x)=b1x 由零条件均值假定E(u|x)=0,得 E(y|x)=b0+b1x.该方程是x的线性函数,即y对于x的条件期望是x的线性函数。又称总体回归函数(Population regression function,PRF)b1表示,在零条件均值假定的条件下,相对于x的一个单位的变化,y的期望值的变化数量第15页/共78页.x1=1x2=2E(y|x)=b0+b1xyE(y|x=x2)E(y|x=x1)总体回归线(PRF):E(y|x

9、)=b0+b1xx第16页/共78页2.2 普通最小二乘法(OLS)的推导第17页/共78页普通最小二乘法(OLS)的推导:方法一:矩估计方法零条件均值假定:E(u|x)=E(u)=0 有两个意义:(1)E(u)=0(2)E(u|x)=E(u),根据本书附录中条件期望性质5(Property CE.5,p.719),由(2)可得:Cov(u,x)=0因为:Cov(u,x)=E(u-E(u)x-E(x)=E(ux)-E(u)E(x)=E(ux)由(1)得故有:E(ux)=0第18页/共78页总体矩条件假定对于一个总体(population),存在简单回归方程:y=b0+b1x+u假定零条件均值假

10、定成立:E(u|x)=E(u)=0于是有:(1)E(u)=0,(2)E(ux)=0将u=y-b0-b1x代入上述等式(1)(2):(3)E(y-b0-b1x)=0(4)Ex(y-b0-b1x)=0(3)(4)称为总体的矩条件。第19页/共78页将总体矩条件应用于样本从总体中随机抽取一个样本容量为n的随机样本,用(xi,yi):i=1,n,i表示单个样本(observation)的编号,n是样本总量。xi,yi表示第i个样本的相应的变量。每一观测样本i均应满足:yi=b0+b1xi+ui将前面所假定的总体矩条件(3)(4)应用于样本中,这种方法称为矩估计法(method of moments).

11、第20页/共78页选择参数值b b0,b b1,使得样本的矩条件成立与总体中的矩条件(3)(4)相对应,在样本中相应的矩条件(sample counterparts)为:现在的问题就是,通过选择参数值 ,使得样本相应的矩条件(3)(4)成立。即:求解关于 的方程组(3)(4)。第21页/共78页普通最小二乘法的推导根据样本均值的定义以及加总的性质,可将第一个条件变换为代入到第二个矩条件中,第22页/共78页普通最小二乘法的推导第23页/共78页因此,OLS估计的斜率为第24页/共78页关于OLS斜率估计量斜率估计量b1等于样本中x 和 y 的协方差除以x的方差。若x 和 y 正相关,则斜率为正

12、;反之,为负。唯一需要假定的是,x的样本方差不为零,或者说,在样本中,x的观测值必须要有变化。第25页/共78页拟合值(fitted value)与残差(residual)用样本观测值估计出的回归方程的参数记作根据样本估计参数值和样本观测值xi,我们可计算相应的yi的拟合值(fitted value):实际样本观测值yi 与其拟合值 之间的差值,称为残差(residual).它可以看作是利用样本回归后,估计出来的误差项。第26页/共78页样本回归函数(sample regression fucntion,SRF)同时,根据特定样本估计出的参数 ,我们可以写出一个与总体回归函数(PRF)相对应的

13、样本回归函数(sample regression fucntion,SRF):对于一个特定的总体而言,总体回归函数(PRF)是固定的,是未知的。样本回归函数(SRF)则是根据实际的样本数据回归所得到的,是总体回归函数(PRF)的一个估计形式。它随着样本的不同而不同。用不同的方法所得到的样本回归函数,可能也会有差异。第27页/共78页 家庭人均消费=395.96+0.48 家庭人均收入2003年四川省农户调查样本,n=100;消费和收入单位:元第28页/共78页.y4y1y2y3x1x2x3x41234xy理解:样本回归线,样本数据点和残差y3第29页/共78页关于OLS的一点说明残差平方和OL

14、S估计方法实际上就是,找到一条直线,使得残差的平方和(Q)最小。(因此,得名“普通最小二乘法”(Ordinary Least Squares,OLS)第30页/共78页OLS推导方法二经典OLS估计方法:解一个最小化问题,即通过选取参数 ,使下列残差平方和最小:第31页/共78页推导方法二对上述残差平方和Q分别对 求偏导数,可以得到此最小化问题的一阶条件:这两个方程与前面的矩条件完全一致,可以用相同的方法求解参数第32页/共78页总结介绍简单线性回归模型的结构、术语、含义零值条件期望假定如何利用矩估计法和经典普通最小二乘法,估计简单回归模型的截矩和斜率参数第33页/共78页2.3 OLS的操作

15、技巧第34页/共78页OLS的操作技巧拟合值和残差第35页/共78页OLS的操作技巧OLS统计量的代数性质OLS残差和及其样本均值均为零代数表示由OLS的一阶条件得出第36页/共78页OLS的操作技巧OLS统计量的代数性质回归元和OLS残差的样本协方差为零代数表示由OLS的一阶条件得出第37页/共78页OLS的操作技巧OLS统计量的代数性质点 总在OLS回归线上代数表示可以由 推导出第38页/共78页OLS的操作技巧OLS统计量的代数性质第39页/共78页OLS的操作技巧拟合优度定义总平方和SST解释平方和SSE残差平方和SSR第40页/共78页总平方和SST总平方和:总平方和(SST),是y

16、在样本中所有变动的测度指标,即它度量了y在样本中的总分散程度。将总平方和除以n-1,可得到y的样本方差。第41页/共78页解释平方和 SSE回归模型所解释的平方和(SSE):回归模型所解释的平方和(SSE),是yi的拟合值yi的在样本中的变动程度的测度指标。有时记作:MSS第42页/共78页残差平方和SSR残差平方和(SSR)残差平方和(SSR)是残差ui的样本变异程度的测度指标,表示模型所未解释的y的变动。有时记作:RSS第43页/共78页SST=SSE+SSRy 的总变动SST等于模型所解释的变动SSE与模型所未解释的变动SSR之和,即SST=SSE+SSR第44页/共78页OLS的操作技

17、巧拟合优度SST=SSE+SSR的证明第45页/共78页拟合优度 的定义(Goodness-of-Fit)想要衡量样本回归线是否很好地拟合了样本数据。R-平方:回归模型所解释的平方和SSE占总平方和SST的比例:R2=SSE/SST=1 SSR/SSTR-平方(R2,R-squared)决定系数(coefficient of determination)第46页/共78页拟合优度的意义R2是模型所解释的变动SSE占所有变动SST的比例.可以看作是y的样本变动中可以被x解释的部分的比例.R2 的取值在0和1之间.一个接近于1的判定系数表明OLS给出了一个良好的拟合,一个于0的判定系数表明OLS给

18、出了一个糟糕的拟合第47页/共78页一点说明:拟合优度在社会科学中,尤其是在截面数据分析中,一些回归方程的R2,有时很低。但是,较低的R2,不一定说明OLS回归方程没有价值的。第48页/共78页2.4 度量单位和函数形式改变度量单位对OLS统计量的影响在简单回归中加入非线性因素“线性”回归的含义第49页/共78页改变度量单位对OLS统计量的影响一般而言,当因变量乘上常数c,而自变量不改变时,OLS 的截距和斜率估计量也要乘上c例:用千美元来计算年薪salary=963.191+18.501roe salardol=963191+18501roe (千美元)第50页/共78页若自变量被除以或乘以

19、一个非零常数c,则OLS斜率系数也会分别被乘以或者除以c定义roedec=roe/100,那么样本回归线将会从(estimated salary)=963.191+18.501roe改变到(estimated salary)=963.191+1850.1roedec可见,改变自变量的度量单位一般不改变截距值第51页/共78页在简单回归中加入非线性因素非线性因素的必要性:线性关系并不适合所有的经济学运用通过对因变量和自变量进行恰当的定义,我们可以在简单回归分析中非常容易地处理许多y和x之间的非线性关系例子:工资教育模型,见下页第52页/共78页在简单回归中加入非线性因素自然对数形式第53页/共7

20、8页例:工资与教育之间的非线性关系:9初中 12高中 15大专Y3Y2y1wage=exp(b0+b1edu+u),with b10第54页/共78页对数工资方程对数工资方程:假定每增加一年的教育,工资的增长率都相同。log(工资)=b0+b1教育+u半弹性模型(semi-elasticity)(log-level):b1衡量的是(其他不变)每增加一年的教育,工资的增长率。y/y=b1 x,if u=0比较:在以前所举的工资方程中,工资=b0+b1教育+u,工资=b1教育,if u=0b1衡量的是(其他不变)每增加一年的教育,工资的增长数量(元)。第55页/共78页估计弹性有时,我们想要知道:

21、y对于x的弹性,即x变化1个百分点时,y变化多少个百分点。(y/y)/(x/x)=b1=?不变弹性模型(constant elasticity):假定y对x的弹性为常数,对x和y进行对数变换,建立简单回归模型:log(y)=b0+b1log(x)+u y/y=b1x/x,if u=0例:收入增加1%,消费增加b1%?log(消费)=b0+b1log(收入)+u第56页/共78页在简单回归中加入非线性因素自然对数形式第57页/共78页例:消费与收入的关系收入增加1元,消费增加多少元(1)?Level-level:y=b0+b1x+u收入增加1%,消费增加多少元(1)?level-log:y=b0

22、+b1 log(x)+u收入增加1元,消费增加比率是多少(1100%)?半弹性:Log-level:log(y)=b0+b1x+u收入增加1%,消费增加1%?不变弹性:Log-log:log(y)=b0+b1 log(x)+u问题:什么是线性?第58页/共78页“线性”回归的含义第59页/共78页OLS估计量的期望值和方差OLS的无偏性OLS估计量的方差第60页/共78页OLS的无偏性我们首先在一组简单假定的基础上构建OLS的无偏性。假定SLR.1(线性于参数)在总体模型中,因变量y与自变量x的误差项u的关系如下:其中,和 分别表示总体的截矩和斜率参数。第61页/共78页OLS的无偏性假定SL

23、R.2(随机抽样)我们具有一个服从从整体模型方程 的随机样本 :i=1,2n,其样本容量为n.第62页/共78页OLS的无偏性假定SLR.3(解释变量的样本有变异)x的样本结果即 ,i=1,n 不是完全相同的数值。第63页/共78页OLS的无偏性假定SLR.4(零条件均值)给定解释变量的任何值,误差的期望值都是零。换言之,E(u|x)=0恒成立第64页/共78页OLS的无偏性定理2.1 OLS的无偏性 利用假定SLR.1-SLR.4,对 的任何值,我们都有 ,换言之公式的推导:引理:第65页/共78页OLS的无偏性 第66页/共78页OLS的无偏性于是有第67页/共78页OLS的无偏性第68页

24、/共78页OLS估计量的方差除了知道 的抽样分布是以 为中心的以外,知道我们预期的 究竟离 多远也非常重要。在其他条件不变的情况下,这就容许我们从所有的无偏估计量中选择一个最佳估计量。度量估计量 分布的分散程度,最容易操作的一个指标就是其方差或者标准差。为了便于表示出估计量的方差,这里我们加入条假设SLR.5第69页/共78页OLS估计量的方差假定SLR.5(同方差性)给定解释变量的任何值,误差都具有相同的方差,换言之:Var(u|x)=同方差的假定简化了 方差的计算,而且还意味着OLS具有某种有效性。然而当Var(u|x)是x的函数事,往往就会出现异方差的情形。第70页/共78页一个工资方程

25、中的异方差性其他条件不变情况下,educ对wage的影响时无偏估计量,我们假定E(u|educ)=0,若同时假定Var(u|x)=,即工资相对于其均值的波动不依赖于受教育水平。在现实中这或许不太可能。这是因为接受了更多教育的人可能有更广泛的兴趣和更多的就业机会,从而导致收教育程度越高,工资变异越大;受教育水平越低,工资变异越小。图形见下张PPT 第71页/共78页第72页/共78页OLS估计量的方差第73页/共78页误差方差的估计由前面我们知道OLS的残差满足两个约束:如果我们知道了残差中的n-2个,就能够通过以上约束求出剩余两个残差。因此OLS的残差只有n-2个自由度,我们得到的无偏估计:第74页/共78页误差方差的估计定理2.3 的无偏估计 在假定SLR.1-SLR.5下,我们有 第75页/共78页2.6 过原点的回归某些情形下,我们希望如下约束:x=0时,y 的期望值也是0.此时原本有非零截距的回归模型就变换成无截距的模型。回归模型:此时估计值例如:若收入(x)为零时,那么所得税(y)也必须是零,此时适用于无截距线性回归。第76页/共78页作业:2.2、2.3、2.4、2.5、2.9C 2.2、C2.4、C2.6第77页/共78页感谢您的观看。第78页/共78页

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 应用文书 > PPT文档

本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

工信部备案号:黑ICP备15003705号© 2020-2023 www.taowenge.com 淘文阁