資源描述：
《實(shí)驗(yàn)3：計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)【一元線性回歸模型】.ppt》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)——Eviews軟件實(shí)驗(yàn)之 一元線性回歸模型內(nèi)容概要一、學(xué)習(xí)的目的和要求二、學(xué)習(xí)的基本內(nèi)容（重點(diǎn)）三、知識點(diǎn)回顧四、Eviews軟件操作實(shí)例一、學(xué)習(xí)的目的和要求本部分是重要基礎(chǔ)，主要介紹Eviews中基本回歸技術(shù)的使用；通過這部分內(nèi)容的學(xué)習(xí)應(yīng)達(dá)到：能夠運(yùn)用Eviews軟件獨(dú)立地建立并估計(jì)一元線性回歸模型。二、學(xué)習(xí)的基本內(nèi)容（重點(diǎn)）1、簡單一元線性回歸模型的基本理論和方法；2、一元線性回歸模型的有關(guān)檢驗(yàn)（統(tǒng)計(jì)檢驗(yàn)）；3、看懂Eviews軟件的標(biāo)準(zhǔn)回歸分析結(jié)果；4、采用通用的形式報(bào)告有關(guān)結(jié)果。三、知識點(diǎn)回顧1、四種重要的關(guān)系式（1）總體回歸模型（一元線性回歸模型）:其中——
2、解釋變量（自變量），因果關(guān)系中的“因”——被解釋變量（因變量），因果關(guān)系的中的“果”——隨機(jī)干擾項(xiàng)；——總體回歸參數(shù)真值；（2）總體回歸函數(shù)（方程）：我們關(guān)心的是上述模型中的確定性部分（趨勢部分）其含義在于：揭示了所考察總體被解釋變量與解釋變量之間的平均變化規(guī)律，即根據(jù)解釋變量的固定值去估計(jì)和預(yù)測被解釋變量Y的平均值。三、知識點(diǎn)回顧1、四種重要的關(guān)系式（2）總體回歸函數(shù)（方程）：其中總體回歸參數(shù)真值是未知的；總體回歸方程也是未知的。（3）樣本回歸函數(shù)（方程）：在實(shí)際應(yīng)用中，從總體中抽取一個(gè)樣本，進(jìn)行參數(shù)估計(jì)，從而獲得估計(jì)的回歸方程，系數(shù)為估計(jì)的回歸系數(shù)；用這個(gè)估計(jì)的回歸方程近似替代總
3、體回歸方程，其中估計(jì)的回歸系數(shù)是總體參數(shù)真值的估計(jì)值；基于估計(jì)方程計(jì)算的就為的估計(jì)值；由于我們從來就無法知道真實(shí)的回歸方程，因此計(jì)量經(jīng)濟(jì)學(xué)分析注重的是這個(gè)估計(jì)的回歸方程和估計(jì)的回歸系數(shù)；三、知識點(diǎn)回顧1、四種重要的關(guān)系式（4）樣本回歸模型：上述樣本回歸函數(shù)的隨機(jī)形式，其中為殘差，且殘差是被解釋變量的實(shí)際樣本觀測值與其擬合值之間的差值；殘差可看成是隨機(jī)干擾項(xiàng)的估計(jì)值。三、知識點(diǎn)回顧2、模型的基本（經(jīng)典）假設(shè)一元線性回歸分析的基本任務(wù)是利用總體的一個(gè)樣本計(jì)算出回歸參數(shù)的估計(jì)值，得到估計(jì)的回歸方程；為了保證估計(jì)模型時(shí)采用的普通最小二乘法（OLS）的有效性，必須對模型提出一些限定，這些限定就
4、是指一系列相當(dāng)基本的假設(shè)（經(jīng)典假設(shè)）；如果實(shí)際模型滿足這些假設(shè)，OLS就是最優(yōu)的估計(jì)方法，即OLS估計(jì)量為最優(yōu)估計(jì)量；如果實(shí)際模型不滿足這些假設(shè)（一個(gè)或多個(gè)），OLS就不是最優(yōu)的，其他的估計(jì)方法有時(shí)會優(yōu)于OLS，而這些其他的估計(jì)方法也是以O(shè)LS為基礎(chǔ)，對OLS的調(diào)整。三、知識點(diǎn)回顧2、模型的基本（經(jīng)典）假設(shè)基本(經(jīng)典)假設(shè)包括對一元線性回歸模型中解釋變量和隨機(jī)干擾項(xiàng)的假設(shè)：(1)解釋變量是確定性變量，不是隨機(jī)變量，在重復(fù)抽樣中取固定值，而隨機(jī)干擾項(xiàng)是隨機(jī)變量(針對每一個(gè)，是隨機(jī)變量)；(2)隨機(jī)干擾項(xiàng)的均值為0，即(針對每一個(gè)都成立)；——零均值(3)隨機(jī)干擾項(xiàng)的方差為常數(shù)，即(針對
5、每一個(gè)都成立)；——同方差三、知識點(diǎn)回顧2、模型的基本（經(jīng)典）假設(shè)(4)隨機(jī)干擾項(xiàng)不存在序列相關(guān)性，即和對應(yīng)的隨機(jī)干擾項(xiàng)和之間是獨(dú)立不相關(guān)的，即(對任意都成立，)；——序列不相關(guān)(5)隨機(jī)干擾項(xiàng)與解釋變量之間不相關(guān)，即(對都成立);(6)隨機(jī)干擾項(xiàng)服從0均值，同方差的正態(tài)分布，即(對都成立)——此假設(shè)是選擇性的，但通常被采用。三、知識點(diǎn)回顧3、參數(shù)的最小二乘估計(jì)(OLS)線性回歸分析所采用的最基本的參數(shù)估計(jì)方法是最小二乘法（OLS）；最小二乘原理：可簡單概括為：在給定一組樣本觀測值,(；樣本數(shù)為n)的情況下，要求樣本回歸函數(shù)盡可能好地?cái)M合（吻合）這組觀測值數(shù)據(jù)；普通最小二乘法給出的判
6、斷擬合程度的標(biāo)準(zhǔn)是：殘差平方和最小，即：最小二乘法就是：在使上述殘差平方和Q達(dá)到最小時(shí)，確定模型中的參數(shù)和的值，或者說在給定觀測值之下，選擇出的值，使殘差平方和Q達(dá)到最小。三、知識點(diǎn)回顧3、參數(shù)的最小二乘估計(jì)(OLS)最小二乘估計(jì)量：將殘差平方和Q分別對和求一階偏導(dǎo)數(shù)，并令一階偏導(dǎo)數(shù)同時(shí)為0，即；解一個(gè)正規(guī)方程組后，就可得到參數(shù)的最小二乘估計(jì)量，分別表示為：其中分別代表X和Y兩個(gè)變量的樣本均值，即三、知識點(diǎn)回顧3、參數(shù)的最小二乘估計(jì)(OLS)最小二乘估計(jì)量：注意：當(dāng)為表達(dá)式形式時(shí)，二者為隨機(jī)變量，這時(shí)稱為參數(shù)估計(jì)量；如果將一組樣本數(shù)據(jù)代入到的公式中，經(jīng)過計(jì)算得到的具體數(shù)值，這時(shí)稱為參
7、數(shù)估計(jì)值。三、知識點(diǎn)回顧4、最小二乘估計(jì)量的性質(zhì)及分布最小二乘估計(jì)量本身是隨機(jī)變量，不同的樣本數(shù)據(jù)會產(chǎn)生不同的估計(jì)值，那么OLS估計(jì)量在均值、方差等方面的性質(zhì)如何，有助于判斷OLS估計(jì)量的優(yōu)劣：OLS估計(jì)量的性質(zhì)（在模型滿足基本假設(shè)的前提下）(1)OLS估計(jì)量的線性性：OLS估計(jì)量可表示為被解釋變量Y的觀測值的線性組合，即其中為確定性的非隨機(jī)變量，顯然，是隨機(jī)變量的線性組合；而，其中為確定性的非隨機(jī)變量，顯然，也是隨機(jī)變量的線性組合。三、知識點(diǎn)回顧4、最小
