• 1. 1经济学类各专业核心课程 计量经济学
    • 2. 2 课程性质与要求 ● 课程性质 教育部经济学学科教学指导委员会规定: 计量经济学为经济学类各专业必修的核心课程 ● 教学的目的要求 ▲掌握计量经济学的基本理论和方法 ▲能应用计量经济方法进行初步的经济分析与预测 ▲能运用EViews软件作一般性经济计量分析
    • 3. 3应具备的预备知识●《经济学》理论 宏观经济学与微观经济学 ●《概率论与数理统计》基础 如随机变量、概率分布、期望、方差、协方差、点估计、区间估计、假设检验、方差分析、正态分布、t 分布、F分布等概念和性质 ●《线性代数》基础 矩阵及运算、线性方程组等 ●《经济统计学》知识 经济数据的收集、处理和应用
    • 4. 4配 套 教 材科学出版社出版 国家精品课程主干教材 教育部统计专业教学指导分 委员会推荐用书 普通高等教育”十一五”国家级 规划教材 《计量经济学》 出版时间:2006年1月
    • 5. 5 计量经济学 第 一 章 导 论
    • 6. 6第一章 导 论 对《计量经济学》的概略认识 ●什么是计量经济学 ●计量经济学的研究方法 ●计量经济学中最基本的概念   ——— 变量、参数、数据与模型
    • 7. 7第一节 什么是计量经济学 本节基本内容: ●计量经济学的产生与发展 ●计量经济学的性质 ●计量经济学与其他学科的关系
    • 8. 8 产生的历史: 起因:对经济问题的定量研究 名词:1926年弗瑞希仿造出 “Biometrics” “Econometrics” 标志:1930年成立计量经济学会 说明: “计量经济学” “经济计量学” 一、计量经济学的产生与发展
    • 9. 9特点 计量经济学的重要特点是它自身并没有固定的经济理论,计量经济学中的各种计量方法和技术,大多来自数学和统计学。 计量经济学产生的意义 从定性研究到定量分析的发展,是经济学更精密、更科学的表现,是现代经济学的重要特征
    • 10. 10 计量经济学的发展 ●计算机应用 ●模型的变量和方程 由少到多,又趋向较少,多个模型归并为整体模型 ●应用领域的拓展 宏观、微观经济领域应用 ,由预测为主转向更多地对经济理论假设和政策假设的检验
    • 11. 11 ●理论与方法的新突破 除了经典线性计量经济学模型以外,出现 非线性模型、合理预期模型、非参数、半参数模型、动态模型、时间序列模型、协整理论、Panel Data数据模型、贝叶斯方法、小样本理论等新的研究领域
    • 12. 12 二、计量经济学的性质若干代表性表述: ●“计量经济学是统计学、经济学和数学的结合。” (弗瑞希) ●“计量经济学是用数学语言来表达经济理论,以便通过统计方法来论述这些理论的一门经济学分支。” (美国现代经济词典) ●“计量经济学可定义为:根据理论和观测的事实,运用合适的推理方法使之联系起来同时推导,对实际经济现象进行的数量分析。”  (萨谬尔逊等) 各种表述的共性: 计量经济学与经济理论、统计学、数学都有关系
    • 13. 13 一般性定义 计量经济学是以经济理论和经济数据的事实为依据,运用数学和统计学的方法,通过建立数学模型来研究经济数量关系和规律的一门经济学科。 研究的主体(出发点、归宿、核心): 经济现象及数量变化规律 研究的工具(手段): 模型 数学和统计方法 必须明确: 方法手段要服从研究对象的本质特征(与数学不同), 方法是为经济问题服务
    • 14. 14注意:计量经济研究的三个方面理论:即说明所研究对象经济行为的经济理论 ——计量经济研究的基础 数据:对所研究对象经济行为观测所得到的信息 ——计量经济研究的原料或依据 方法:模型的方法与估计、检验、分析的方法 ——计量经济研究的工具与手段 三者缺一不可  
    • 15. 15计量经济学研究的基本概述: 准 备 阶 段 计 量 过 程 运 用 阶 段 根据数据 运用方法 对模型估 计、检验结构分析经济预测政策评价经济计量 模型经济 模型数量化经济 理论加工的 数据统计 数据经济计 量方法数理 统计事 实反映为补充改造
    • 16. 16计量经济学的学科类型 ●理论计量经济学 研究经济计量的理论和方法 ●应用计量经济学 应用计量经济方法研究某些领域的具体经济问题
    • 17. 17三、计量经济学与其他学科的关系1、计量经济学与经济学的关系 联系: ●计量经济学研究的主体—经济现象和经济关 系的数量规律 ●计量经济学必须以经济学提供的理论原则和经 济运行规律为依据 ●经济计量分析的结果:对经济理论确定的原则 加以验证、充实、完善
    • 18. 18区别: ●经济理论重在定性分析,并不对经济关系提供数量上的具体度量 ●计量经济学对经济关系要作出定量的估计,对经济理论提出经验的内容
    • 19. 19 联系: ●经济统计侧重于对社会经济现象的描述性计量 ●经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据 ●经济现象不能作实验,只能被动地观测客观经济现象变动的既成事实,只能依赖于经济统计数据 2、计量经济学与经济统计学的关系
    • 20. 20区别: ●经济统计学主要用统计指标和统计分析方法对经济现象进行描述和计量 ●计量经济学主要利用数理统计方法对经济变量间的关系进行计量
    • 21. 21 联系: ●数理统计学是计量经济学的方法论基础 区别: ●数理统计学是在标准假定条件下抽象地研究一 般的随机变量的统计规律性; ●计量经济学是从经济模型出发,研究模型参数 的估计和推断,参数有特定的经济意义,标准 假定条件经常不能满足,需要建立一些专门的 经济计量方法 3、计量经济学与数理统计学的关系
    • 22. 22 第二节 计量经济学的研究方法 需要做的工作 选择变量和数学关系式 —— 模型设定 确定变量间的数量关系 —— 估计参数 检验所得结论的可靠性 —— 模型检验 作经济分析和经济预测 —— 模型应用
    • 23. 23 一、模型设定经济模型及设定 模型:对经济现象或过程的一种数学模拟 设定(Specification): ▲模型只能抓主要因素和主要特征,不得不舍弃某些因素 ▲对所研究经济变量之间的关系选用适当的数学关系式近似地、简化地表达出来 ▲模型的设计和形式的取舍具有一定主观性
    • 24. 24 构成计量经济模型的基本要素经济变量 不同时间、不同空间的表现不同,取值不同,是可以观测的因素。是模型的研究对象或影响因素。 经济参数 表现经济变量相互依存程度的、决定经济结构和特征的、相对稳定的因素,通常不能直接观测。
    • 25. 25 设定计量经济模型的基本要求 ●要有科学的理论依据 ●选择适当的数学形式 类型: 单一方程、联立方程 线性形式、非线性形式 ● 模型要兼顾真实性和实用性    两种不好的模型: 太过复杂—真实但不实用 过分简单—不真实 ● 包含随机误差项 经济模型与计量经济模型的重要区别 ● 方程中的变量要具有可观测性
    • 26. 26 二、估计参数为什么要对参数作估计? 一般来说参数是未知的,又是不可直接观测的。由于随机项的存在,参数也不能通过变量值去精确计算。只能通过变量样本观测值选择适当方法去估计。 (如何通过变量样本观测值去科学地估计总体模型的参数是计量经济学的核心内容)
    • 27. 27两个概念 参数的估计值:所估计参数的具体数值 参数的估计式:估计参数数值的公式 参数估计的常用方法 普通最小二乘、广义最小二乘、极大似然估计、二段最小二乘、三段最小二乘、其它估计方法
    • 28. 28 三、模型检验为什么要检验? ● 建模的理论依据可能不充分 ● 统计数据或其他信息可能不可靠 ● 样本可能较小,结论只是抽样的某种偶然 结果 ● 可能违反计量经济方法的某些基本假定 对模型检验什么? 对模型和所估计的参数加以评判,判定在理 论上是否有意义,在统计上是否可靠
    • 29. 29 对计量经济模型检验的方式►经济意义检验 所估计的模型与经济理论是否相符 ►统计推断检验 检验参数估计值是否抽样的偶然结果 ►计量经济学检验 是否符合计量经济方法的基本假定 ►预测检验 将模型预测的结果与经济运行的实际对比
    • 30. 30四、模型应用► 经济结构分析 分析变量之间的数量比例关系(如: 边际分析、弹性分析、乘数分析) 例:分析消费增加对GDP的拉动作用 ► 经济预测 由预先测定的解释变量去预测应变量在样本以外的数据 (动态预测、空间预测) 例:预测股票市场价格的走势
    • 31. 31►政策评价 用模型对政策方案作模拟测算,对政策方案作评价把计量经济模型作为经济活动的实验室) 例:分析道路收费政策对汽车市场的影响
    • 32. 32经济理论实际经济活动搜集统计数据设定计量模型参数估计模型检验是否符合标准模型应用经济预测结构分析政策评价修订模型符合不符合计量经济学的研究过程
    • 33. 33第三节 变量、参数、数据与模型 本节基本内容: ●计量经济模型中的变量 ●参数的估计方法 ●计量经济学中应用的数据 ●计量经济模型的建立
    • 34. 34一、计量经济模型中的变量 从变量的因果关系区分: 被解释变量(应变量)——要分析研究的变量 解释变量(自变量)—说明应变量变动主要原 因的变量(非主要原因归入随机误差项)
    • 35. 35 从变量的性质区分 内生变量—其数值由模型所决定的变量,是 模型求解的结果 外生变量—其数值由模型以外决定的变量 (相关概念:前定内生变量、前定变量) 注意: 外生变量数值的变化能够影响内生变量的变化,内生变量却不能反过来影响外生变量
    • 36. 36二、参数的估计方法单一方程模型 最常用的是普通最小二乘法、极大似然估计 法等 联立方程模型 常用二段最小二乘法和三段最小二乘法等 准则: 参数估计值应符合“尽可能地接近总体参数真 实值”的准则”。
    • 37. 37三、计量经济学中应用的数据数据的来源: 各种经济统计数据 专门调查取得的数据 人工制造的数据 数据类型: 时间数列数据(同一空间、不同时间) 截面数据(同一时间、不同空间) 混合数据(面板数据 Panel Data) 虚拟变量数据 数据的要求: 真实性、完整性、可比性
    • 38. 38四、计量经济模型的建立经济模型是对实际经济现象或过程的一种数学模 拟,是对复杂经济现象的简化与抽象 特点:只能在一定假定前提下 忽略次要因素,突出主要因素
    • 39. 39可利用来建立计量经济模型的关系: 行为关系(如生产、投资、消费) 生产技术关系 (如投入产出关系) 制度关系(如税率) 定义关系 计量经济模型的数学形式: 线性模型:如 非线性模型:如
    • 40. 40 本章学习要点1. 计量经济学的性质 2. 计量经济学与相关学科的联系与区别 3. 学习计量经济学的必要性 4. 计量经济学研究的基本思路和步骤 5. 模型的设定、参数估计、模型检验的要求 6. 模型中的变量及其类型 7. 计量经济研究中数据的类型 8. 参数估计的方法类型 9. 建立计量经济模型的依据
    • 41. 41THANKS第一章结束了!
    • 42. 计量经济学第 二 章 简单线性回归模型
    • 43. 43 从2004中国国际旅游交易会上获悉,到2020年,中国旅游业总收入将超过3000亿美元,相当于国内生产总值的8%至11%。(资料来源:国际金融报2004年11月25日第二版) ◆是什么决定性的因素能使中国旅游业总收入到2020年达到3000亿美元? ◆旅游业的发展与这种决定性因素的数量关系究竟是什么? ◆怎样具体测定旅游业发展与这种决定性因素的数量关系?引子: 中国旅游业总收入将超过3000亿美元吗?
    • 44. 44第二章 简单线性回归模型 本章主要讨论: ●回归分析与回归函数 ●简单线性回归模型参数的估计 ●拟合优度的度量 ●回归系数的区间估计和假设检验 ●回归模型预测
    • 45. 45第一节 回归分析与回归方程 本节基本内容: ●回归与相关 ●总体回归函数 ●随机扰动项 ●样本回归函数
    • 46. 46 1. 经济变量间的相互关系 ◆确定性的函数关系 ◆不确定性的统计关系—相关关系 (ε为随机变量) ◆没有关系 一、回归与相关 (对统计学的回顾)
    • 47. 472.相关关系◆ 相关关系的描述 相关关系最直观的描述方式——坐标图(散布图)          
    • 48. 48◆相关关系的类型 ● 从涉及的变量数量看 简单相关 多重相关(复相关) ● 从变量相关关系的表现形式看 线性相关——散布图接近一条直线 非线性相关——散布图接近一条曲线 ●  从变量相关关系变化的方向看 正相关——变量同方向变化,同增同减 负相关——变量反方向变化,一增一减 不相关
    • 49. 49 3.相关程度的度量—相关系数 总体线性相关系数: 其中: ——X 的方差; ——Y的方差 ——X和Y的协方差 样本线性相关系数: 其中: 和 分别是变量 和 的样本观测值 和 分别是变量 和 样本值的平均值
    • 50. 50 ● 和 都是相互对称的随机变量 ● 线性相关系数只反映变量间的线性相关程度,不 能说明非 线性相关关系 ● 样本相关系数是总体相关系数的样本估计值,由 于抽样波动,样本相关系数是个随机变量,其统 计显著性有待检验 ● 相关系数只能反映线性相关程度,不能确定因果 关系,不能说明相关关系具体接近哪条直线 计量经济学关心:变量间的因果关系及隐藏在随机性后面的统计规律性,这有赖于回归分析方法 使用相关系数时应注意
    • 51. 514. 回归分析回归的古典意义: 高尔顿遗传学的回归概念 ( 父母身高与子女身高的关系) 回归的现代意义: 一个应变量对若干解释变量 依存关系 的研究 回归的目的(实质): 由固定的解释变量去 估计应变量的平均值
    • 52. 52● 的条件分布 当解释变量 取某固定值时(条件), 的值不确定, 的不同取值形成一定的分布,即 的条件分布。 ● 的条件期望 对于 的每一个取值, 对 所形成的分布确 定其期望或均值,称 为 的条件期望或条 件均值 注意几个概念
    • 53. 53●回归线: 对于每一个 的取值, 都有 的条件期望 与之对应, 代表这些 的条件期 望的点的轨迹所形成 的直线或曲线,称为 回归线。回归线与回归函数
    • 54. 54 回归函数:应变量 的条件期望 随解释变量 的的变化而有规律的变化,如果把 的条件期望 表现为 的某种函数 这个函数称为回归函数。 回归函数分为:总体回归函数和样本回归函数 举例:假如已知100个家庭构成的总体。 回归线与回归函数
    • 55. 55每 月 家 庭 可 支 配 收 入 X100015002000250030003500400045005000550082096211081329163218422037227524642824888102412011365172618742110238825893038932112112641410178619062225242627903150每960121013101432183510682319248828563201月125913401520188520662321258729003288家132414001615194321852365265030213399庭1448165020372210239827893064消1489171220782289248728533142费1538177821792313251329343274支160018412298239825383110出17021886231624232567 Y1900238724532610201224982487271025892586900115014001650190021502400265029003150例:100个家庭构成的总体 (单位:元)
    • 56. 56 1. 总体回归函数的概念 前提:假如已知所研究的经济现象的总体应变量 和解释变量 的每个观测值, 可以计算出总体应变量 的条件均值 ,并将其表现为解释变量 的某种函数 这个函数称为总体回归函数(PRF)二、总体回归函数(PRF)
    • 57. 57 (1)条件均值表现形式 假如 的条件均值 是解 释变量 的线性函数,可表示为: (2)个别值表现形式 对于一定的 , 的各个别值 分布 在 的周围,若令各个 与条件 均值 的偏差为 , 显然 是随机变量,则有 或 2.总体回归函数的表现形式
    • 58. 58●实际的经济研究中总体回归函数通常是未知的,只能根据经济理论和实践经验去设定。“计量”的目的就是寻求PRF。 ●总体回归函数中 与 的关系可是线性的,也可是非线性的。 对线性回归模型的“线性”有两种解释 就变量而言是线性的 —— 的条件均值是 的线性函数 就参数而言是线性的 —— 的条件均值是参数 的线性函数 3.如何理解总体回归函数
    • 59. 59 变量、参数均为“线性” 参数“线性”,变量”非线性” 变量“线性”,参数”非线性” 计量经济学中: 线性回归模型主要指就参数而言是“线性”,因为只要对参数而言是线性的,都可以用类似的方法估计其参数。“线性”的判断
    • 60. 60三、随机扰动项 ◆概念: 各个 值与条件均值 的偏差 代表 排除在模型以外的所有 因素对 的影响。 ◆性质: 是期望为0有一定分布的随机变量 重要性:随机扰动项的性质决定着计量经济方 法的选择
    • 61. 61●  未知影响因素的代表 ●  无法取得数据的已知影响因素的代表 ●  众多细小影响因素的综合代表 ●  模型的设定误差 ●  变量的观测误差 ●  变量内在随机性引入随机扰动项的原因
    • 62. 62四、样本回归函数(SRF) 样本回归线: 对于 的一定值,取得 的样本观测值,可计算其条件均值,样本观测值条件均值的轨迹称为样本回归线。 样本回归函数: 如果把应变量 的样本条件均值表示为解释变量 的某种函数,这个函数称为样本回归函数(SRF)。
    • 63. 63SRF 的特点●每次抽样都能获得一个样本,就可以拟合一条样本回 归线,所以样本回归线随抽样波动而变化,可以有许多条(SRF不唯一)。 SRF2SRF1
    • 64. 64●样本回归函数的函数形式应与设定的总体回归函数的函数形式一致。 ●样本回归线还不是总体回归线,至多只是未知总体回归线的近似表现。
    • 65. 65 样本回归函数如果为线性函数,可表示为 其中: 是与 相对应的 的样本条件均值 和 分别是样本回归函数的参数 应变量 的实际观测值 不完全等于样本条件 均值,二者之差用 表示, 称为剩余项或残差项: 或者 样本回归函数的表现形式
    • 66. 66 对样本回归的理解 如果能够获得 和 的数值,显然: ● 和 是对总体回归函数参数 和 的估计 ● 是对总体条件期望 的估计 ●  在概念上类似总体回归函数中的 ,可 视为对 的估计。
    • 67. 67 样本回归函数与总体回归函数的关系 SRF PRF A  
    • 68. 68 回归分析的目的 用样本回归函数SRF去估计总体回归函数PRF。 由于样本对总体总是存在代表性误差,SRF 总会过 高或过低估计PRF。 要解决的问题: 寻求一种规则和方法,使得到的SRF的参数 和 尽可能“接近”总体回归函数中的参数 和 。 这样的“规则和方法”有多种,最常用的是最小二乘法
    • 69. 69 第二节 简单线性回归模型的最小二乘估计 本节基本内容: ● 简单线性回归的基本假定 ● 普通最小二乘法 ● OLS回归线的性质 ● 参数估计式的统计性质
    • 70. 70  一、简单线性回归的基本假定 1. 为什么要作基本假定? ●模型中有随机扰动,估计的参数是随机变量, 只有对随机扰动的分布作出假定,才能确定 所估计参数的分布性质,也才可能进行假设 检验和区间估计 ●只有具备一定的假定条件,所作出的估计才 具有较好的统计性质。
    • 71. 71 (1)对模型和变量的假定 如 假定解释变量 是非随机的,或者虽然是随机的,但与扰动 项 是不相关的 假定解释变量 在重复抽样中为固定值 假定变量和模型无设定误差 2、基本假定的内容
    • 72. 72 又称高斯假定、古典假定 假定1:零均值假定 在给定 的条件下 , 的条件期望为零 假定2:同方差假定 在给定 的条件下, 的条件方差为某个常数 (2)对随机扰动项 的假定
    • 73. 73 假定3:无自相关假定 随机扰动项 的逐次值互不相关 假定4:随机扰动 与解释变量 不相关
    • 74. 74 假定5:对随机扰动项分布的正态性假定 即假定 服从均值为零、方差为 的正态分布          (说明:正态性假定不影响对参数的点估计,但对确定所估计参数的分布性质是需要的。且根据中心极限定理,当样本容量趋于无穷大时, 的分布会趋近于正态分布。所以正态性假定是合理的)
    • 75. 75的分布性质 由于 的分布性质决定了 的分布性质。 对 的一些假定可以等价地表示为对 的假定: 假定1:零均值假定 假定2:同方差假定 假定3:无自相关假定 假定5:正态性假定
    • 76. 76◆OLS的基本思想 ●不同的估计方法可得到不同的样本回归参数 和 ,所估计的 也不同。 ●理想的估计方法应使 与 的差即剩余 越小越好 ●因 可正可负,所以可以取 最小 即二、普通最小二乘法 (Ordinary Least Squares )
    • 77. 77 正规方程和估计式 用克莱姆法则求解得观测值形式的OLS估计式: 取偏导数为0,得正规方程
    • 78. 78 为表达得更简洁,或者用离差形式OLS估计式: 注意其中: 而且样本回归函数可写为 用离差表现的OLS估计式
    • 79. 79三、OLS回归线的性质可以证明: ●回归线通过样本均值 ●估计值 的均值等于实 际观测值 的均值
    • 80. 80 ●剩余项 的均值为零 ●应变量估计值 与剩余项 不相关 ●解释变量 与剩余项 不相关
    • 81. 81 四、参数估计式的统计性质(一)参数估计式的评价标准 1. 无偏性 前提:重复抽样中估计方法固定、样本数不变、经 重复抽样的观测值,可得一系列参数估计值 参数估计值 的分布称为 的抽样分布,密度函 数记为 如果 ,称 是参数 的无偏估计式,否 则称 是有偏的,其偏倚为 (见图1.2)
    • 82. 82图 1 . 2估计值偏倚 概 率 密 度
    • 83. 83前提:样本相同、用不同的方法估计参数, 可以找到若干个不同的估计式 目标:努力寻求其抽样分布具有最小方差的 估计式—— 最小方差准则,或称最佳 性准则(见图1.3) 既是无偏的同时又具有最小方差的估计式,称为 最佳无偏估计式。2. 最小方差性
    • 84. 84 概 率 密 度 图 1 . 3估计值
    • 85. 85 4. 渐近性质(大样本性质) 思想:当样本容量较小时,有时很难找到最佳无偏估计,需要考虑样本扩大后的性质 一致性: 当样本容量 n 趋于无穷大时,如果估计式 依概率收敛于总体参数的真实值,就称这个估计式 是 的一致估计式。即 或 渐近有效性:当样本容量 n 趋于无穷大时,在所有的一致估计式中,具有最小的渐近方差。 (见图1.4)
    • 86. 86 概 率 密 度 估计值 图 1 . 4
    • 87. 87(二) OLS估计式的统计性质 ● 由OLS估计式可以看出 由可观测的样本值 和 唯一表示。 ●   因存在抽样波动,OLS估计 是随机变量 ●   OLS估计式是点估计式
    • 88. 881. 线性特征 是 的线性函数 2. 无偏特性 (证明见教材P37) 3. 最小方差特性 (证明见教材P68附录2·1) 在所有的线性无偏估计中,OLS估计 具有最小方差 结论:在古典假定条件下,OLS估计式是最佳线性无 偏估计式(BLUE) OLS估计式的统计性质——高斯定理
    • 89. 89第三节 拟合优度的度量本节基本内容: ●什么是拟合优度 ●总变差的分解 ●可决系数
    • 90. 90 一、什么是拟合优度? 概念: 样本回归线是对样本数据 的一种拟合,不同估计方 法可拟合出不同的回归线, 拟合的回归线与样本观测 值总有偏离。 样本回归线对样本观测数据拟合的优劣程度 ——拟合优度 拟合优度的度量建立在对总变差分解的基础上
    • 91. 91二、总变差的分解 分析Y 的观测值、估计值与平均值的关系 将上式两边平方加总,可证得 (TSS) (ESS) (RSS)
    • 92. 92 总变差 (TSS):应变量Y的观测值与其平均值的离差平方和(总平方和) 解释了的变差 (ESS):应变量Y的估计值与其平均值的离差平方和(回归平方和) 剩余平方和 (RSS):应变量观测值与估计值之差的平方和(未解释的平方和)
    • 93. 93                                                                                                           变差分解的图示
    • 94. 94 三、可决系数 以TSS同除总变差等式两边: 或 定义:回归平方和(解释了的变差ESS) 在总变 差(TSS) 中所占的比重称为可决系数,用 表示: 或
    • 95. 95作用:可决系数越大,说明在总变差中由模型作出了解释的部分占的比重越大,模型拟合优度越好。反之可决系数小,说明模型对样本观测值的拟合程度越差。 特点:●可决系数取值范围: ●随抽样波动,样本可决系数 是随抽样 而变动的随机变量 ●可决系数是非负的统计 可决系数的作用和特点
    • 96. 96可决系数与相关系数的关系(1)联系 数值上,可决系数等于应变量与解释变量之间简单相关系数的平方:
    • 97. 97可决系数与相关系数的关系可决系数相关系数就模型而言就两个变量而言说明解释变量对应变量的解释程度度量两个变量线性依存程度。度量不对称的因果关系度量不含因果关系的对称相关关系取值:[0,1]取值:[-1,1](2)区别
    • 98. 98运用可决系数时应注意● 可决系数只是说明列入模型的所有解释变量对 因变量的联合的影响程度,不说明模型中每个 解释变量的影响程度(在多元中) ● 回归的主要目的如果是经济结构分析,不能只 追求高的可决系数,而是要得到总体回归系数 可信的估计量,可决系数高并不表示每个回归 系数都可信任 ● 如果建模的目的只是为了预测因变量值,不是 为了正确估计回归系数,一般可考虑有较高的 可决系数
    • 99. 99 第四节   回归系数的区间估计和假设检验 本节基本内容: ●OLS估计的分布性质 ●回归系数的区间估计 ●回归系数的假设检验
    • 100. 100问题的提出 为什么要作区间估计? OLS估计只是通过样本得到的点估计,不一定等于 真实参数,还需要找到真实参数的可能范围,并 说明其可靠性 为什么要作假设检验? OLS 估计只是用样本估计的结果,是否可靠? 是否抽样的偶然结果?还有待统计检验。 区间估计和假设检验都是建立在确定参数估计值 概率分布性质的基础上。