计量经济学：第二章 简单线性回归模型（1）.ppt

什么是计量经济学？
计量经济学能帮助我们什么？
什么是计量经济学模型？
怎么建模？
计量经济学的地位
数据
计量经济学是一门根据现实的统计数据，具体地估计由经济理论给出的变量之间的关系式，进而le）
-预测变量（predictor variable）
术语注解
在简单回归模型：
y = b1 + b2x + e
b1 , b2被称为回归系数(regression coefficients ）。
b1也被称为常数项或截矩项(intercept term)，或 截矩参数(intercept parameter )。
b2代表了解释变量x的边际效果，也被成为斜率参数（slope parameter ）。
术语注解
在简单回归模型：
y = b1 + b2x + e
e 为误差项(error term)或扰动(disturbance)
它代表了除了x之外可以影响y的因素。
随机误差项主要包括下列因素的影响：
1）在解释变量中被忽略的因素的影响；
2）变量观测值的观测误差的影响；
3）模型关系的设定误差的影响；
4）其它随机因素的影响。
产生并设计随机误差项的主要原因：
1）理论的含糊性；
2）数据的欠缺；
3）节省原则。
术语注解
线性回归的含义： y 和x 之间并不一定存在线性关系，但是，只要通过转换可以使y的转换形式和x的转换形式存在相对于参数的线性关系，该模型即称为线性模型。
For example, y=eb1+b2x+e .
转化为：log(y)=b1+b2x+e
For example,
For example,
简单回归模型例子（1）
wage= b1 + b2educ+ e
上述简单工资函数描述了受教育年限和工资之间的关系，educ用受教育的年限来度量
e : 包含了其他非观测因素，如劳动经验、天生素质、任现职时间等。
b2 :衡量了在其他条件不变的情况下，多接受一年教育，工资可以增加多少.
简单回归模型例子（2）
食品支出和收入之间的关系：
食品支出= b1 + b2收入+ e

e : 包含了其他非观测因素，如年龄、生活****惯（是否素食主义）等。
b2 :衡量了在其他条件不变的情况下，收入增加100美元，食品支出的变化.
经济模型
以收入与食品支出为例（）
对于周收入为1000美元的家庭，食品支出情况。

食品支出y为一个随机变量。
收入x为固定的值（1000）
(a) 给定收入x＝1000美元，食品支出y的概率分布
条件期望
令（X，Y）代表一个工人总体，X是受教育程度，Y为小时工资。则：
E（Y|x=12）：是总体中所有受了12年教育的工人的平均小时工资。
E（Y|x=16）：是总体中所有受了16年教育的工人的平均小时工资。
那么E（Y|X）可能=f（X）
(b) 给定收入x＝1000、2000美元，食品支出y的概率分布
经济理论：食品支出取决于家庭收入x，用条件均值表示：
计量经济模型的基础
计量经济模型
食品支出和收入之间的关系：
y= E(y|x)+e
=b1 + b2x+ e
A Simple Assumption关于e的假定
我们假定总体中误差项e的平均值为零.：
E(e) = 0
思考：该假定是否一定成立呢?
A Simple Assumption关于e的假定
If for example, E(e)=5. Then
y = (b0 +5)+ b1x + (e-5),
therefore, E(e’)=E(e-5)=0.
上述推导说明我们总可以通过调整常数项来实现误差项的均值为零.
Zero Conditional Mean Assumption 条件期望零值假定
y = b1 + b2x + e
E(e|x)＝E(y-(b1 + b2x )|x)
= E(y|x)- E(b1 + b2x |x)
= b1 + b2x –(b1 + b2x )=0
E(e|x) = E(e)=0
Zero Conditional Mean Assumption 条件期望零值假定
思考：该假定是何含义？
我们需要对e和 x之间的关系做一个关键假定。理想状况是对x的了解并不增加对u的任何信息。换句话说，我们需要u和 x相互独立。
如果遗漏重要变量，则违法了该假定。导致严重后果（有偏）。
Zero Conditio