計(jì)量經(jīng)濟(jì)學(xué)中有關(guān)證明

個(gè)人收集整理 勿做商業(yè)用途課本中相關(guān)章節(jié)地證明過(guò)程第2章有關(guān)地證明過(guò)程2.1 一元線性回歸模型 有一元線性回歸模型為：yt = b0 + b1 xt + ut 上式表示變量yt 和xt之間地真實(shí)關(guān)系.其中yt 稱被解釋變量（因變量），xt稱解釋變量（自變量），ut稱隨機(jī)誤差項(xiàng)，b0稱常數(shù)項(xiàng)，b1稱回歸系數(shù)（通常未知）.上模型可以分為兩部分.（1）回歸函數(shù)部分，E(yt) = b0 + b1 xt,文檔來(lái)自于網(wǎng)絡(luò)搜索（2）隨機(jī)部分，ut .圖2.8 真實(shí)地回歸直線 這種模型可以賦予各種實(shí)際意義，收入與支出地關(guān)系；如脈搏與血壓地關(guān)系；商品價(jià)格與供給量地關(guān)系；文件容量與保存時(shí)間地關(guān)系；林區(qū)木材采伐量與木材剩余物地關(guān)系；身高與體重地關(guān)系等.文檔來(lái)自于網(wǎng)絡(luò)搜索以收入與支出地關(guān)系為例.假設(shè)固定對(duì)一個(gè)家庭進(jìn)行觀察，隨著收入水平地不同，與支出呈線性函數(shù)關(guān)系.但實(shí)際上數(shù)據(jù)來(lái)自各個(gè)家庭，來(lái)自各個(gè)不同收入水平，使其他條件不變成為不可能，所以由數(shù)據(jù)得到地散點(diǎn)圖不在一條直線上（不呈函數(shù)關(guān)系），而是散在直線周圍，服從統(tǒng)計(jì)關(guān)系.隨機(jī)誤差項(xiàng)ut中可能包括家庭人口數(shù)不同，消費(fèi)習(xí)慣不同，不同地域地消費(fèi)指數(shù)不同，不同家庭地外來(lái)收入不同等因素.所以，在經(jīng)濟(jì)問(wèn)題上“控制其他因素不變”實(shí)際是不可能地.文檔來(lái)自于網(wǎng)絡(luò)搜索回歸模型地隨機(jī)誤差項(xiàng)中一般包括如下幾項(xiàng)內(nèi)容，（1）非重要解釋變量地省略，（2）人地隨機(jī)行為，（3）數(shù)學(xué)模型形式欠妥，（4）歸并誤差（糧食地歸并）（5）測(cè)量誤差等.文檔來(lái)自于網(wǎng)絡(luò)搜索回歸模型存在兩個(gè)特點(diǎn).（1）建立在某些假定條件不變前提下抽象出來(lái)地回歸函數(shù)不能百分之百地再現(xiàn)所研究地經(jīng)濟(jì)過(guò)程.（2）也正是由于這些假定與抽象，才使我們能夠透過(guò)復(fù)雜地經(jīng)濟(jì)現(xiàn)象，深刻認(rèn)識(shí)到該經(jīng)濟(jì)過(guò)程地本質(zhì).文檔來(lái)自于網(wǎng)絡(luò)搜索通常，線性回歸函數(shù)E(yt) = b0 + b1 xt 是觀察不到地，利用樣本得到地只是對(duì)E(yt) = b0 + b1 xt 地估計(jì)，即對(duì)b0和b1地估計(jì).文檔來(lái)自于網(wǎng)絡(luò)搜索在對(duì)回歸函數(shù)進(jìn)行估計(jì)之前應(yīng)該對(duì)隨機(jī)誤差項(xiàng)ut做出如下假定.(1) ut 是一個(gè)隨機(jī)變量，ut 地取值服從概率分布.(2) E(ut) = 0.(3) D(ut) = Eut - E(ut) 2 = E(ut)2 = s 2.稱ui 具有同方差性.文檔來(lái)自于網(wǎng)絡(luò)搜索(4) ut 為正態(tài)分布（根據(jù)中心極限定理）.以上四個(gè)假定可作如下表達(dá)：ut N (0, s 2 ).文檔來(lái)自于網(wǎng)絡(luò)搜索 (5) Cov(ui, uj) = E(ui - E(ui) ) ( uj - E(uj) ) = E(ui, uj) = 0, (i j ).含義是不同觀測(cè)值所對(duì)應(yīng)地隨機(jī)項(xiàng)相互獨(dú)立.稱為ui 地非自相關(guān)性.文檔來(lái)自于網(wǎng)絡(luò)搜索(6) xi是非隨機(jī)地.(7) Cov(ui, xi) = E(ui - E(ui) ) (xi - E(xi) ) = Eui (xi - E(xi) = Eui xi - ui E(xi) = E(ui xi) = 0.文檔來(lái)自于網(wǎng)絡(luò)搜索ui 與xi 相互獨(dú)立.否則，分不清是誰(shuí)對(duì)yt地貢獻(xiàn). (8) 對(duì)于多元線性回歸模型，解釋變量之間不能完全相關(guān)或高度相關(guān)（非多重共線性）.在假定（1），（2）成立條件下有E(yt) = E(b0 + b1 xt + ut ) = b0 + b1 xt .文檔來(lái)自于網(wǎng)絡(luò)搜索2.2 最小二乘估計(jì)（OLS）對(duì)于所研究地經(jīng)濟(jì)問(wèn)題，通常真實(shí)地回歸直線是觀測(cè)不到地.收集樣本地目地就是要對(duì)這條真實(shí)地回歸直線做出估計(jì).文檔來(lái)自于網(wǎng)絡(luò)搜索圖2.9 怎樣估計(jì)這條直線呢？顯然綜合起來(lái)看，這條直線處于樣本數(shù)據(jù)地中心位置最合理.怎樣用數(shù)學(xué)語(yǔ)言描述“處于樣本數(shù)據(jù)地中心位置”？設(shè)估計(jì)地直線用文檔來(lái)自于網(wǎng)絡(luò)搜索 =+ xt表示.其中稱yt地?cái)M合值（fitted value），和分別是 b0 和b1地估計(jì)量.觀測(cè)值到這條直線地縱向距離用表示，稱為殘差.文檔來(lái)自于網(wǎng)絡(luò)搜索 yt =+=+ xt +稱為估計(jì)地模型.假定樣本容量為T.（1）用“殘差和最小”確定直線位置是一個(gè)途徑.但很快發(fā)現(xiàn)計(jì)算“殘差和”存在相互抵消地問(wèn)題.（2）用“殘差絕對(duì)值和最小”確定直線位置也是一個(gè)途徑.但絕對(duì)值地計(jì)算比較麻煩.（3）最小二乘法地原則是以“殘差平方和最小”確定直線位置.用最小二乘法除了計(jì)算比較方便外，得到地估計(jì)量還具有優(yōu)良特性（這種方法對(duì)異常值非常敏感）.設(shè)殘差平方和用Q表示，文檔來(lái)自于網(wǎng)絡(luò)搜索 Q = = = ，則通過(guò)Q最小確定這條直線，即確定和地估計(jì)值.以和為變量，把Q看作是和地函數(shù)，這是一個(gè)求極值地問(wèn)題.求Q對(duì)和地偏導(dǎo)數(shù)并令其為零，得正規(guī)方程，文檔來(lái)自于網(wǎng)絡(luò)搜索 = 2(-1) = 0 (2.7) = 2(- xt) = 0 (2.8)下面用代數(shù)和矩陣兩種形式推導(dǎo)計(jì)算結(jié)果.首先用代數(shù)形式推導(dǎo).由（2.7）、（2.8）式得， = 0 (2.9) xt = 0 (2.10)（2.9）式兩側(cè)用除T，并整理得，= (2.11)文檔來(lái)自于網(wǎng)絡(luò)搜索把（2.11）式代入（2.10）式并整理，得，xt = 0 (2.12)= 0 (2.13)= (2.14)因?yàn)? 0，= 0，采用離差和為零地結(jié)論：，.所以，通過(guò)配方法，分別在（2.14）式地分子和分母上減和得，= (2.15)= (2.16)即有結(jié)果： = （2.17） = 這是觀測(cè)值形式.如果以離差形式表示，就更加簡(jiǎn)潔好記. = = 矩陣形式推導(dǎo)計(jì)算結(jié)果：由正規(guī)方程， = 2(-1) = 0 = 2(- xt) = 0 T + () = + () = = = = 注意：關(guān)鍵是求逆矩陣.它等于其伴隨陣除以其行列式，伴隨陣是其行列式對(duì)應(yīng)地代數(shù)余子式構(gòu)成地方陣地轉(zhuǎn)置.寫(xiě)成觀測(cè)值形式. = = 如果，以離式形式表示更為簡(jiǎn)潔： = = 2.3 一元線性回歸模型地特性1 線性特性（將結(jié)果離差轉(zhuǎn)化為觀測(cè)值表現(xiàn)形式） 2 無(wú)偏性其中： 故有： 3 有效性首先討論參數(shù)估計(jì)量地方差.即： 同理有： 顯然各自地標(biāo)準(zhǔn)誤差為：， 標(biāo)準(zhǔn)差地作用：衡量估計(jì)值地精度.由于為總體方差，也需要用樣本進(jìn)行估計(jì).證明過(guò)程如下：因此有： 那么： 根據(jù)定義：，（實(shí)際觀測(cè)值與樣本回歸線地差值）則有：兩邊平方，再求和：對(duì)上式兩邊取期望有： 其中： 故有：即有：，令，則問(wèn)題得證.關(guān)于地計(jì)算：關(guān)于地證明： ，其中：.當(dāng) 當(dāng)，當(dāng)時(shí)，有： Q.E.D.關(guān)于可能小于0地證明.設(shè)：則有：那么 但：，因?yàn)闆](méi)有存在.同時(shí)，還有： 其中：，和 則： 考慮到： 若定義 可能小于0.參考書(shū)：Dennis J. Aigner Basic Econometrics, Prentice-Hall, Englewood Cliffs, N. J. 1971,pp85-88文檔來(lái)自于網(wǎng)絡(luò)搜索第二章2.1 簡(jiǎn)單線性回歸最小二乘估計(jì)最小方差性質(zhì)地證明對(duì)于OLS估計(jì)式和,已知其方差為 這里只證明最小，最小地證明可以類似得出. 設(shè)地另一個(gè)線性無(wú)偏估計(jì)為，即 其中 因?yàn)橐彩堑責(zé)o偏估計(jì)，即，必須有 ，同時(shí) 因?yàn)?上式最后一項(xiàng)中 （因?yàn)?，）所?而，因?yàn)?，則有，為此 只有時(shí)，由于是任意設(shè)定地地線性無(wú)偏估計(jì)式，這表明地OLS估計(jì)式具有最小方差性.2.2 最小二乘估計(jì)地證明用離差形式表示模型時(shí) 而且 因此 則有 取地期望 式中 (1) (2) (3) 所以 如果定義 其期望值為 這說(shuō)明是地?zé)o偏估計(jì).第三章3.1 多元線性回歸最小二乘估計(jì)無(wú)偏性地證明因?yàn)?對(duì)兩邊取期望, 由假定1:即是地?zé)o偏估計(jì).3.2 多元線性回歸最小二乘估計(jì)最小方差性地證明 設(shè)為地另一個(gè)關(guān)于地線性無(wú)偏估計(jì)式，可知 （為常數(shù)矩陣）由無(wú)偏性可得 所以必須有 要證明最小二乘法估計(jì)式地方差小于其他線性去偏估計(jì)式地方差，只要證明協(xié)方差矩陣之差 為半正定矩陣，則稱最小二乘估計(jì)是地最小方差線性無(wú)偏估計(jì)式.因?yàn)?所以 由于 所以 由于 由線性代數(shù)知，對(duì)任一非奇異矩陣，為半正定矩陣.如果令則 由于半正定矩陣對(duì)角線元素非負(fù)，因此有即 （）這證明了地最小二乘估計(jì)在地所有無(wú)偏估計(jì)中是方差最小地估計(jì)式.3.3 殘差平方和地均值為地證明 由殘差向量地定義及參數(shù)地最小二乘估計(jì)式，有 可以記，則 容易驗(yàn)證，P為對(duì)稱等冪矩陣，即 殘差向量地協(xié)方差矩陣為 利用矩陣跡地性質(zhì)，有 兩邊取期望得 第五章5.1在異方差性條件下參數(shù)估計(jì)統(tǒng)計(jì)性質(zhì)地證明1、參數(shù)估計(jì)地?zé)o偏性仍然成立設(shè)模型為 （1）用離差形式表示 (其中) （2）參數(shù)地估計(jì)量為在證明中僅用到了假定.2、參數(shù)估計(jì)地有效性不成立假設(shè)（1）式存在異方差，且，則參數(shù)地估計(jì)地方差為 (5)在上述推導(dǎo)中用了假定.下面對(duì)（2）式運(yùn)用加權(quán)最小二乘法（WLS）.設(shè)權(quán)數(shù)為，對(duì)（2）式變換為 （6） 可求得參數(shù)地估計(jì)，根據(jù)本章第四節(jié)變量變換法地討論，這時(shí)新地隨機(jī)誤差項(xiàng)為同方差，即，而 地方差為 （7）為了便于區(qū)別，用()wls表示加權(quán)最小二乘法估計(jì)地，用()ols表示OLS法估計(jì)地.比較（5）式與（7）式，即在異方差下用OLS法得到參數(shù)估計(jì)地方差與用WLS法得到參數(shù)估計(jì)地方差相比較為文檔來(lái)自于網(wǎng)絡(luò)搜索 （8）令，由初等數(shù)學(xué)知識(shí)有，因此（10）式右端有 （9）從而，有 這就證明了在異方差下，仍然用普通最小二乘法所得到地參數(shù)估計(jì)值地方差不再最小.5.2 對(duì)數(shù)變換后殘差為相對(duì)誤差地證明事實(shí)上，設(shè)樣本回歸函數(shù)為 （10）其中為殘差，取對(duì)數(shù)后地樣本回歸函數(shù)為 （11）其中殘差為，因此 （12）對(duì)（12）式地右端，依據(jù)泰勒展式 （13）將（13）式中地用替換，則可近似地表示為 （14）即表明（11）式中地誤差項(xiàng)為相對(duì)誤差.第六章：6.1: 存在自相關(guān)時(shí)參數(shù)估計(jì)值方差地證明+第九章9.1 概率極限性質(zhì)地證明其中：為X2地樣本方差，為X2和X3地樣本協(xié)方差， 為X2和地樣本協(xié)方差.9.2 參數(shù)一致性地證明同理，可證，；和. 9.3 有測(cè)量誤差模型參數(shù)估計(jì)結(jié)果地推導(dǎo)因此，有測(cè)量誤差模型參數(shù)估計(jì)地概率極限為 第11章11.1 聯(lián)立方程偏倚地證明例如，設(shè)聯(lián)立方程模型為 對(duì)(1)式地OLS估計(jì)為： （3）其中利用了和.對(duì)上式兩邊取期望，得 這里地，則，是地有偏估計(jì).對(duì)（3）式取概率極限，得 （4）其中：是Y與u地樣本協(xié)方差，其總體協(xié)方差為 是Y地樣本方差，其總體方差為 因此 因?yàn)椋瑒t，這說(shuō)明不是地一致估計(jì).版權(quán)申明本文部分內(nèi)容，包括文字、圖片、以及設(shè)計(jì)等在網(wǎng)上搜集整理。版權(quán)為張儉個(gè)人所有This article includes some parts, including text, pictures, and design. Copyright is Zhang Jians personal ownership.用戶可將本文的內(nèi)容或服務(wù)用于個(gè)人學(xué)習(xí)、研究或欣賞，以及其他非商業(yè)性或非盈利性用途，但同時(shí)應(yīng)遵守著作權(quán)法及其他相關(guān)法律的規(guī)定，不得侵犯本網(wǎng)站及相關(guān)權(quán)利人的合法權(quán)利。除此以外，將本文任何內(nèi)容或服務(wù)用于其他用途時(shí)，須征得本人及相關(guān)權(quán)利人的書(shū)面許可，并支付報(bào)酬。Users may use the contents or services of this article for personal study, research or appreciation, and other non-commercial or non-profit purposes, but at the same time, they shall abide by the provisions of copyright law and other relevant laws, and shall not infringe upon the legitimate rights of this website and its relevant obligees. In addition, when any content or service of this article is used for other purposes, written permission and remuneration shall be obtained from the person concerned and the relevant obligee.轉(zhuǎn)載或引用本文內(nèi)容必須是以新聞性或資料性公共免費(fèi)信息為使用目的的合理、善意引用，不得對(duì)本文內(nèi)容原意進(jìn)行曲解、修改，并自負(fù)版權(quán)等法律責(zé)任。Reproduction or quotation of