《计量经济学》课程课外辅导讲稿注:本辅导主要针对教学内容中的重点及难点部分进行辅导,不是以针对考试内容为主的考前辅导。(关键在对知识的理解→掌握→应用)本课程的主要内容有:第2章:线性回归的基本思想:双变量模型第3章:双变量模型:假设检验第4章:多元回归:估计与假设检验第5章:回归方程的函数形式第6章:虚拟变量回归模型第7章:模型选择:标准与检验(民族班可略)第8章:多重共线性第9章:异方差第10章:自相关第一次辅导课内容:第2章:线性回归的基本思想:双变量模型第3章:双变量模型:假设检验第4章:多元回归:估计与假设检验一、古典线性回归模型的基本形式(注意随机误差项的构成)古典线性回归模型及其假设检验回归模型的其他形式及模型选择实践中的回归模型(基本假设不满足的情形)古典线性回归模型及其假设检验1Yi=^Yi+eiYi=E(Y|Xi)+uiYi=B1+B2Xi+uiE(Y|Xi)=B1+B2Xi^Yi=b1+b2XiYi=b1+b2Xi+eiui~N(0,σ2)二、古典线性回归模型的基本假定假定1回归模型是参数线性的,并且是正确设定的。假定2解释变量与随机扰动项u不相关(解释变量是确定性变量时自然成立);假定3零均值假定:E(u)=0假定4同方差假定:Var(ui)=常数假定5无自相关假定:Cov(u,u)=0i≠j假定6假定随机项误差u服从均值为零,(同)方差为常数的正态分布:ui~N(0,σ2)假定7解释变量之间不存在线性相关关系;注意:线性回归模型中线性的含义:一般的线性指的是解释变量线性和参数线性。我们这里的线性强调的是参数线性。三、古典线性回归模型的参数估计1.参数估计的方法:普通最小二乘法(OLS)2.最小二乘原理:就是选择合适参数使得全部观察值的残差平方和(RSS)最小,数学形式为:min{∑ei2}=min{∑(Yi−^Yi)2}=min{∑(Yi−b1−b2Xi)2}利用极值原理可得到正规方程组,求解可得:b1=¯Y−b2¯Xb2=∑xiyi∑xi2=∑(Xi−¯X)(Yi−¯Y)∑(Xi−¯X)2=∑XiYi−n¯X¯Y∑Xi2−n¯X22ui~N(0,σ2)3.OLS估计量的性质:高斯-马尔柯夫定理:若满足古典线性回归模型的基本假定,则在所有线性无偏估计量中,OLS估计量具有最小方差性,即:OLS估计量是最优线性无偏估计量(BLUE)。4.OLS估计量的分布:因为随机扰动项的正态分布假定,所以Y服从正态分布,而OLS估计量b1和b2又是正态变量Y的线性函数,所以b1和b2也服从正态分布。即有:b1~N(B1,σb12);b2~N(B2,σb22)5.回归标准差的估计回归方差:^σ2=∑et2n−k=∑(Yt−^Yt)2n−k其中k为解释变量(包括截距)的个数(或者说是待估参数的个数)。四、古典线性回归模型的检验1.模型检验主要可以分为四类检验:⑴经济意义检验:根据经济理论对模型参数的符号、大小、关系进行检验;⑵统计检验:由数理统计理论决定,主要包括拟合优度检验(R2检验)、变量显著性检验(t检验)、总体显著性检验(F检验)等;⑶计量经济学检验:由计量经济学理论决定,主要包括异方差性检验、序列相关性检验、共线性检验等;⑷模型预测检验:由模型的应用要求决定,包括稳定性检验:扩大样本重新估计、预测性能检验:对样本外一点进行实际预测。2.参数的假设检验(变量显著性检验、t检验)(1)零假设和备择假设:常用的零假设和备择假设:双边检验:H0:B2=0H1:B2≠0单边检验:H0:B2=0,H1:B2>0H0:B2=0,H1:B2<0或更一般的情形:3双边检验:H0:B2=B2¿H1:B2≠B2¿单边检验:H0:B2=B2¿,H1:B2>B2¿H0:B2=B2¿,H1:B2