計量經(jīng)濟學(xué)3(復(fù)旦大學(xué)版)-圖文

計量經(jīng)濟學(xué)3(復(fù)旦大學(xué)版)_圖文.ppt2第一節(jié)一元線性回歸模型貨幣經(jīng)濟學(xué)家在分析通貨膨脹原因時發(fā)現(xiàn)，通貨膨脹率越高，人們愿意以貨幣形式持有的收入比例就越低。應(yīng)用同樣的方法，經(jīng)濟學(xué)家可以分析清楚個人消費支出對稅后或可支配的個人真實收入的依賴關(guān)系。3在回歸分析中，我們考慮的僅僅是一種所謂的統(tǒng)計意義上的依賴關(guān)系。這與經(jīng)典物理學(xué)中考慮的那種變量之間的函數(shù)或確定性依賴關(guān)系截然不同。4基爾霍夫的電流定律5波意耳的氣體定律6一元線性計量經(jīng)濟學(xué)模型的例子

工資模型

薪水模型

競選模型

考試模型7

工資模型：

你能掙多少錢？8一個人的工資水平與他的教育水平及其它因素的關(guān)系如下如果工資和教育分別以每小時美元和受教育的年數(shù)來度量。則度量了多受一年教育導(dǎo)致的工資增量；ui包括：勞動經(jīng)驗、天生素質(zhì)、任職事件、工作道德以及它因素。9女大學(xué)生最賺錢的十大職業(yè)(組圖)你入對行了嗎

公關(guān)

人力資源傳播媒介……10

薪水模型：

我的薪水我能Hold住

11CEO的薪水和公司股本回報率之間的關(guān)系如下度量的是，當(dāng)股本回報率增長一個百分點時，以千元計的薪水的變化量。12結(jié)論：據(jù)美國《商業(yè)周刊》的統(tǒng)計數(shù)據(jù)（n=209），CEO的平均年薪為128萬美元，股本回報率為17%?；貧w結(jié)果：1314

競選模型：

誰

能

入

住

白

宮？15競選總統(tǒng)通常有兩名候選人。如下模型用于研究與競爭對手相比，花更多的錢能否得到更高的票數(shù)百分比？16結(jié)論：1988年美國眾議院173次兩黨競選結(jié)果這意味著，候選人A的支出在總花費的比例每增加一個百分點，A就能得到幾乎半個百分點的總票數(shù)。勝負(fù)在毫厘之間。17

考試模型：

我想考高分18如果一個大學(xué)生太貧困而不能保證正常的伙食，就可以有資格享受學(xué)校午餐項目的資助，從而提高它的學(xué)習(xí)成績。其中ui包括了影響學(xué)校整體成績的學(xué)校和學(xué)生的特征。19結(jié)論：據(jù)1992年美國密西根州的408所高中的數(shù)據(jù)你能相信：更高的學(xué)校午餐項目的參與率導(dǎo)致了更差的成績嗎？20

第二節(jié)最小二乘法OrdinaryLeastSquare21一元線性模型：

1、建模設(shè)(*)滿足則其中，分別是的估計值。222、取指標(biāo)估計值與觀測值之差為

則23

3、求出參數(shù)估計值求導(dǎo)得

解得24

定義x(y)的第i個觀測值與x(y)樣本平均值之差為離差,即

則25正規(guī)方程組將(*)式左右兩邊分別乘以每一個解釋變量后對所有樣本求和，得取期望得

即為(**)式，稱為正規(guī)方程組。26矩陣形式：

1、建模設(shè)則其中，分別是Y，B的估計值。

272、取指標(biāo)

283、求出參數(shù)估計值求導(dǎo)得解得

29正規(guī)方程組矩陣形式為：30U的分布參數(shù)：期望為0的正態(tài)分布，其方差估計量為證：31取期望32△OLS估計量的性質(zhì)評價估計量優(yōu)劣的標(biāo)準(zhǔn)：無偏性：估計量的期望值等于待估參數(shù)。有效性：又稱最小方差性，即估計量在所有無偏估計量中具有最小方差。一致性：當(dāng)樣本容量趨于無窮大時，估計值依概率收斂于總體的真值。33當(dāng)多元線性計量經(jīng)濟學(xué)模型滿足前述基本假設(shè)時，OLS估計量具有無偏性、有效性、一致性。Gauss定理(無偏性)：34（Markov定理）有效性：

該方差小于其他任何線性無偏估計量的方差。一致性：即35樣本容量問題最低樣本容量：n≥k+1合適的樣本容量：從統(tǒng)計檢驗的角度：n

30時，Z檢驗才能應(yīng)用；n-k8時,t檢驗有效。

一般經(jīng)驗認(rèn)為:n>30

或

n>3k36最大似然法（ML）最大似然法（ML）是不同于OLS的另一種參數(shù)估計方法，其基本原理是：當(dāng)從模型總體隨機抽取n組樣本觀測值后，最合理的參數(shù)估計量應(yīng)該使得從模型中抽取該n組樣本觀測值的概率最大。以正態(tài)分布為例：對每個可能的正態(tài)總體估計取n組觀測值的聯(lián)合概率選擇其參數(shù)能使觀測值的聯(lián)合概率最大的那個總體。37Case1一元線性模型：1、建模設(shè)2、建立似然函數(shù)383、取對數(shù)似然，求極值對lnL取極值等價于394、求出參數(shù)估計量可見，參數(shù)的ML估計量與OLS估計量相同。40Case2多元線性模型：1、建模設(shè)其中2、建立似然函數(shù)41

3、求極值

L最大，即最小4、求出參數(shù)估計量可見，參數(shù)的ML估計量與OLS估計量相同。42第二章

例1消費基金模型表1消費基金模型樣本數(shù)據(jù)

年份（年）人均消費基金（元）人均國民收入（元）前期人均消費基金（元）1981198219831984198519861987279.7300.6326.8375.9464.5521.2590.9397422464547672743868256.4279.7300.6326.8375.9464.5521.243第二章回歸模型計算過程

44第二章回歸模型

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.045第二章回歸模型

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.1617513.67182.4280.478624.1651145.0

i

1-128.8-190.636328.3624549.32-107.9-165.627423.3617868.23-81.7-123.615276.9610098.14-32.6-40.61648.361323.6055684.47123.364726.406112.7155.424149.16