《計(jì)量經(jīng)濟(jì)學(xué)（第四版）》教學(xué)PPT課件

《計(jì)量經(jīng)濟(jì)學(xué)（第四版）》教學(xué)PPT課件,計(jì)量經(jīng)濟(jì)學(xué)（第四版）,計(jì)量,經(jīng)濟(jì)學(xué),第四,教學(xué),PPT,課件 2.2 2.2 一元線性回歸模型的基本假設(shè)一元線性回歸模型的基本假設(shè)(Assumptions of Simple Linear Regression Model)一、關(guān)于模型設(shè)定的假設(shè)一、關(guān)于模型設(shè)定的假設(shè) 二、關(guān)于解釋變量的假設(shè)二、關(guān)于解釋變量的假設(shè) 三、關(guān)于隨機(jī)項(xiàng)的假設(shè)三、關(guān)于隨機(jī)項(xiàng)的假設(shè)說明說明為保證參數(shù)估計(jì)量具有良好的性質(zhì)，通常對模型為保證參數(shù)估計(jì)量具有良好的性質(zhì)，通常對模型提出若干基本假設(shè)。提出若干基本假設(shè)。實(shí)際上這些假設(shè)與所采用的估計(jì)方法緊密相關(guān)。實(shí)際上這些假設(shè)與所采用的估計(jì)方法緊密相關(guān)。下面的假設(shè)主要是針對采用下面的假設(shè)主要是針對采用普通最小二乘法普通最小二乘法（Ordinary Least Squares,OLS）估計(jì)而提出估計(jì)而提出的。所以，在有些教科書中稱為的。所以，在有些教科書中稱為“The Assumption Underlying the Method of Least Squares”。在不同的教科書上關(guān)于基本假設(shè)的陳述略有不同，在不同的教科書上關(guān)于基本假設(shè)的陳述略有不同，下面進(jìn)行了重新歸納。下面進(jìn)行了重新歸納。1 1、關(guān)于模型關(guān)系的假設(shè)、關(guān)于模型關(guān)系的假設(shè)模型設(shè)定正確假設(shè)。模型設(shè)定正確假設(shè)。The regression model is correctly specified.模型選擇了正確的變量；模型選擇了正確的變量；模型選擇了正確的函數(shù)形式。模型選擇了正確的函數(shù)形式。線性回歸假設(shè)。線性回歸假設(shè)。The regression model is linear in the parameters。只針對線性模型只針對線性模型 注意：注意：“l(fā)inear in the parameters”的含義是的含義是什么？什么？2 2、關(guān)于解釋變量的假設(shè)、關(guān)于解釋變量的假設(shè)樣本觀測值變異性假設(shè)。樣本觀測值變異性假設(shè)。X values in a given sample must not all be the same.樣本方差假設(shè)。樣本方差假設(shè)。隨著樣本容量的無限增加，解隨著樣本容量的無限增加，解釋變量釋變量X的樣本方差趨于一有限常數(shù)。的樣本方差趨于一有限常數(shù)。無完全共線性假設(shè)。無完全共線性假設(shè)。There is no perfect multicollinearity among the explanatory variables.對于多元線性回歸模型。對于多元線性回歸模型。解釋變量與隨機(jī)項(xiàng)不相關(guān)假設(shè)。解釋變量與隨機(jī)項(xiàng)不相關(guān)假設(shè)。The covariances between Xi and i are zero.關(guān)于解釋變量確定性假設(shè)的說明關(guān)于解釋變量確定性假設(shè)的說明在大多數(shù)教科書中，對于經(jīng)典線性模型，假設(shè)解釋在大多數(shù)教科書中，對于經(jīng)典線性模型，假設(shè)解釋變量是確定性的，即非隨機(jī)的。變量是確定性的，即非隨機(jī)的。X values are fixed in repeated sampling.More technically,X is assumed to be nonstochastic.本書不強(qiáng)調(diào)該假定。本書不強(qiáng)調(diào)該假定。實(shí)際上經(jīng)濟(jì)變量一般都具有隨機(jī)性。實(shí)際上經(jīng)濟(jì)變量一般都具有隨機(jī)性。只要隨機(jī)解釋變量與隨機(jī)項(xiàng)不相關(guān)，不影響模型只要隨機(jī)解釋變量與隨機(jī)項(xiàng)不相關(guān)，不影響模型的估計(jì)和檢驗(yàn)。的估計(jì)和檢驗(yàn)。3 3、關(guān)于隨機(jī)項(xiàng)的假設(shè)、關(guān)于隨機(jī)項(xiàng)的假設(shè)0均值假設(shè)。均值假設(shè)。The conditional mean value of i is zero.隨機(jī)干擾項(xiàng)的條件零均值假設(shè)意味著隨機(jī)干擾項(xiàng)的條件零均值假設(shè)意味著的期望不依賴于的期望不依賴于X的觀測值，總為常數(shù)零，也表明的觀測值，總為常數(shù)零，也表明與與X不存在任何形式不存在任何形式的相關(guān)性。因此該假設(shè)成立時(shí)稱的相關(guān)性。因此該假設(shè)成立時(shí)稱X為外生解釋變量為外生解釋變量（exogenous explanatory variable），否則稱），否則稱X為內(nèi)為內(nèi)生解釋變量（生解釋變量（endogenous explanatory variable）。）。同方差假設(shè)。同方差假設(shè)。The conditional variances of i are identical.(Homoscedasticity)是否滿足需要檢驗(yàn)。是否滿足需要檢驗(yàn)。序列不相關(guān)假設(shè)。序列不相關(guān)假設(shè)。The correlation between any two i and j is zero.是否滿足需要檢驗(yàn)。是否滿足需要檢驗(yàn)。4 4、隨機(jī)項(xiàng)的正態(tài)性假設(shè)、隨機(jī)項(xiàng)的正態(tài)性假設(shè)在采用在采用OLS進(jìn)行參數(shù)估計(jì)時(shí)，不需要正態(tài)性假進(jìn)行參數(shù)估計(jì)時(shí)，不需要正態(tài)性假設(shè)。在利用參數(shù)估計(jì)量進(jìn)行統(tǒng)計(jì)推斷時(shí)，需要設(shè)。在利用參數(shù)估計(jì)量進(jìn)行統(tǒng)計(jì)推斷時(shí)，需要假設(shè)隨機(jī)項(xiàng)的概率分布。假設(shè)隨機(jī)項(xiàng)的概率分布。一般假設(shè)隨機(jī)項(xiàng)服從正態(tài)分布。可以利用中心一般假設(shè)隨機(jī)項(xiàng)服從正態(tài)分布。可以利用中心極限定理（極限定理（central limit theorem,CLT）進(jìn)行）進(jìn)行證明。證明。正態(tài)性假設(shè)。正態(tài)性假設(shè)。The s follow the normal distribution.5 5、CLRM CLRM 和和 CNLRMCNLRM以上假設(shè)（正態(tài)性假設(shè)除外）也稱為線性回歸以上假設(shè)（正態(tài)性假設(shè)除外）也稱為線性回歸模型的模型的經(jīng)典假設(shè)經(jīng)典假設(shè)或或高斯（高斯（Gauss）假設(shè)）假設(shè)，滿足，滿足該假設(shè)的線性回歸模型，也稱為該假設(shè)的線性回歸模型，也稱為經(jīng)典線性回歸經(jīng)典線性回歸模型模型（Classical Linear Regression Model,CLRM）。）。同時(shí)滿足正態(tài)性假設(shè)的線性回歸模型，稱為同時(shí)滿足正態(tài)性假設(shè)的線性回歸模型，稱為經(jīng)經(jīng)典正態(tài)線性回歸模型典正態(tài)線性回歸模型（Classical Normal Linear Regression Model,CNLRM）。）。