截图
简介
这是计量经济学导论ppt，包括了简单回归模型的定义，普通最小二乘法的推导，OLS的估计量的统计性质及分布，一元线性回归模型的统计检验，一元线性回归方程的预测，案例分析，度量单位和函数、过原点回归等内容，欢迎点击下载。
计量经济学导论ppt是由红软PPT免费下载网推荐的一款课件PPT类型的PowerPoint.
高级计量经济学I 第一节 简单回归模型的定义 简单一元回归模型： y = b0 + b1x + u 例2.1：一个假想的社区有60户家庭组成，要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。 即如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。 为达到此目的，将该10户家庭划分为组内收入差不多的10组，以分析每一收入组的家庭消费支出。 在给定解释变量Xi条件下被解释变量Yi的期望轨迹称为总体回归线（population regression line），或更一般地称为总体回归曲线（population regression curve）。 b0 ， b1被称为回归系数。 b0也被称为常数项或截矩项，或截矩参数。 b1代表了回归元x的边际效果，也被成为斜率参数。 在解释变量中被忽略的因素的影响；变量观测值的观测误差的影响；残缺数据；模型关系的设定误差的影响；其他随机因素的影响。 A simple wage equation wage= 0 + 1 (years of education) + u 1 : if education increase by one year， how much more wage will one gain. 上述简单工资函数描述了受教育年限和工资之间的关系， 1衡量了多接受一年教育工资可以增加多少。 我们假定总体中误差项u的平均值为零. 该假定是否具有很大的限制性呢? 我们需要对u和 x之间的关系做一个关键假定。理想状况是对x的了解并不增加对u的任何信息。换句话说，我们需要u和 x完全不相关。 第二节 普通最小二乘法的推导 To derive the OLS estimator we need to realize that our main assumption of E(u|x) = E(u) = 0 also implies that Cov(x，u) = E(xu) = 0 Why? Remember from basic probability that Cov(X，Y) = E(XY) – E(X)E(Y) 由E(u|x) = E(u) = 0 可得Cov(x，u) = E(xu) = 0。 We can write our 2 restrictions just in terms of x， y， b0 and b1 ， since u = y – b0 – b1x E(y – b0 – b1x) = 0 E[x(y – b0 – b1x)] = 0 These are called moment restrictions 可将u = y – b0– b1x代入以得上述两个矩条件。 目标是通过选择参数值，使得在样本中矩条件也可以成立。 The sample versions are as follows: 根据样本均值的定义以及加总的性质，可将第一个条件写为 END
展开
