【计量经济学】--经典线性回归

2023-11-03 18:50

本文主要是介绍【计量经济学】--经典线性回归,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

计量经济学的组成:
经济理论+数学+统计推断;

计量经济学的定义:
实际经济现象的定量分析,利用数理统计分析经济数据,对于构建于数理经济学基础上的数学模型提供经验支持,并得出数量结果;

计量经济的主要作用:
验证经济理论、经济结构分析、经济政策评价、经济预测。

四个步骤:
模型设定(specification)、估计参数、模型检验、模型应用

  1. 模型设定
    计量模型构成要素:变量、参数和随机扰动项;

  2. 估计参数
    一般地,参数是未知的,不可直接观测。参数要通过样本数据,选择适当方法加以估计,如普通最小二乘法(OLS),极大似然法(ML)、广义最小二乘法(GLS)

  3. 模型检验
    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是抽样的偶然结果;
    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:将模型预测结果与经济运行的实际对比;

在这里插入图片描述


  • 经济变量之间的相互关系的三种情况:
    确定性的函数关系,可以使用数学方法计算;
    不确定性的统计关系,即相关关系,可以用统计方法分析;
    没有关系;

相关分析:
相关关系是指变量间不确定性的依存关系。
总体的两个变量X和Y的全部数值无法直接观测,所以总体相关系数也是未知的,一般考虑使用样本相关系数估计总体相关系数。不过,对于特定的总体,X和Y的数值是既定的,那么总体相关系数 ρ \rho ρ是客观存在的特定数值。
相关系数存在的弊端:
1. 不能说明一个变量的变动会导致另一个变量变动的具体数量规律。
2. 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,样本相关系数是随抽样而变动的随机变量,其统计显著性还有待检验。

回归(regression)分析:
回归分析是研究一个因变量的变量(Y)对另一个或多个叫自变量的变量(X)的依赖关系。
通过自变量在重复抽样中的已知或设定值,去估计或预测因变量的总体均值。
总体回归直线是解释变量取各给定值时,被解释变量条件期望的轨迹。

因变量,被解释变量explained variable;
自变量,解释变量explainatory variable;

  • 条件分布和条件概率
    当解释变量X取某固定值时,被解释变量Y值不确定,Y的不同值会形成一定的分布,即Y的条件分布。
    X取某固定值时,Y取不同值的概率称为条件概率,从而有Y的条件期望,用 E ( Y ∣ X i ) E(Y|X_{i}) E(YXi)表示,该值会随X的变动而变动。
  • 回归线
    对于每一个X的取值 X i X_{i} Xi,都有Y的条件期望 E ( Y ∣ X i ) E(Y|X_{i}) E(YXi)与之对应,那么点 ( X i , E ( Y ∣ X i ) ) (X_{i},E(Y|X_{i})) XiE(YXi)的轨迹形成的曲线或直线就是回归线。
  • 回归函数
    f ( X i ) = E ( Y ∣ X i ) f(X_{i})=E(Y|X_{i}) f(Xi)=E(YXi)
  • 样本相关系数 r r r和样本可决系数 r 2 r^{2} r2在概念上的区别:
    r r r建立在相关分析的理论基础上,研究两个随机变量 X X X Y Y Y之间的线性相关关系; r 2 r^{2} r2建立在回归分析的理论基础上,研究非随机变量 X X X对随机变量 Y Y Y的解释程度;

关于拟合优度检验

  • 既然最小二乘法所得到的参数估计已经具有较好的统计性质(无偏性、线性性、最小方差性等),还要对得到的样本回归线进行拟合优度检验,计算可决系数呢?
    这是因为一些散点图做出来并不呈线性相关的数据,带入最小二乘计算参数的公式中,就能得到所谓的“回归线“,而它是没有实际意义的,。于是为了避免这一现象的产生,提出了拟合优度的概念。在这里插入图片描述在这里插入图片描述

这篇关于【计量经济学】--经典线性回归的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/340170

相关文章

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号

HotSpot虚拟机的经典垃圾收集器

读《深入理解Java虚拟机》第三版笔记。 关系 Serial、ParNew、Parallel Scavenge、Parallel Old、Serial Old(MSC)、Concurrent Mark Sweep (CMS)、Garbage First(G1)收集器。 如图: 1、Serial 和 Serial Old 收集器 2、ParNew 收集器 3、Parallel Sc

STL经典案例(四)——实验室预约综合管理系统(项目涉及知识点很全面,内容有点多,耐心看完会有收获的!)

项目干货满满,内容有点过多,看起来可能会有点卡。系统提示读完超过俩小时,建议分多篇发布,我觉得分篇就不完整了,失去了这个项目的灵魂 一、需求分析 高校实验室预约管理系统包括三种不同身份:管理员、实验室教师、学生 管理员:给学生和实验室教师创建账号并分发 实验室教师:审核学生的预约申请 学生:申请使用实验室 高校实验室包括:超景深实验室(可容纳10人)、大数据实验室(可容纳20人)、物联网实验

✨机器学习笔记(二)—— 线性回归、代价函数、梯度下降

1️⃣线性回归(linear regression) f w , b ( x ) = w x + b f_{w,b}(x) = wx + b fw,b​(x)=wx+b 🎈A linear regression model predicting house prices: 如图是机器学习通过监督学习运用线性回归模型来预测房价的例子,当房屋大小为1250 f e e t 2 feet^

【高等代数笔记】线性空间(一到四)

3. 线性空间 令 K n : = { ( a 1 , a 2 , . . . , a n ) ∣ a i ∈ K , i = 1 , 2 , . . . , n } \textbf{K}^{n}:=\{(a_{1},a_{2},...,a_{n})|a_{i}\in\textbf{K},i=1,2,...,n\} Kn:={(a1​,a2​,...,an​)∣ai​∈K,i=1,2,...,n

用Python实现时间序列模型实战——Day 14: 向量自回归模型 (VAR) 与向量误差修正模型 (VECM)

一、学习内容 1. 向量自回归模型 (VAR) 的基本概念与应用 向量自回归模型 (VAR) 是多元时间序列分析中的一种模型,用于捕捉多个变量之间的相互依赖关系。与单变量自回归模型不同,VAR 模型将多个时间序列作为向量输入,同时对这些变量进行回归分析。 VAR 模型的一般形式为: 其中: ​ 是时间  的变量向量。 是常数向量。​ 是每个时间滞后的回归系数矩阵。​ 是误差项向量,假

嵌入式面试经典30问:二

1. 嵌入式系统中,如何选择合适的微控制器或微处理器? 在嵌入式系统中选择合适的微控制器(MCU)或微处理器(MPU)时,需要考虑多个因素以确保所选组件能够满足项目的具体需求。以下是一些关键步骤和考虑因素: 1.1 确定项目需求 性能要求:根据项目的复杂度、处理速度和数据吞吐量等要求,确定所需的处理器性能。功耗:评估系统的功耗需求,选择低功耗的MCU或MPU以延长电池寿命或减少能源消耗。成本

Leetcode面试经典150题-128.最长连续序列-递归版本另解

之前写过一篇这个题的,但是可能代码比较复杂,这回来个简洁版的,这个是递归版本 可以看看之前的版本,两个版本面试用哪个都保过 解法都在代码里,不懂就留言或者私信 class Solution {/**对于之前的解法,我现在提供一共更优的解,但是这种可能会比较难懂一些(思想方面)代码其实是很简洁的,总体思想如下:不需要排序直接把所有数放入map,map的key是当前数字,value是当前数开始的

力扣 739. 每日温度【经典单调栈题目】

1. 题目 理解题意: 1.1. 给一个温度集合, 要返回一个对应长度的结果集合, 这个结果集合里面的元素 i 是 当前 i 位置的元素的下一个更高温度的元素的位置和当前 i 位置的距离之差, 若是当前元素不存在下一个更高温度的元素, 则这个位置用0代替; 2. 思路 本题用单调栈来求解;单调栈就适用于来求当前元素左边或者右边第一个比当前元素大或者小的元素;【单调栈:让栈中的元素保持单调

带头结点的线性链表的基本操作

持续了好久,终于有了这篇博客,链表的操作需要借助图像模型进行反复学习,这里尽可能的整理并记录下自己的思考,以备后面复习,和大家分享。需要说明的是,我们从实际应用角度出发重新定义了线性表。 一. 定义 从上一篇文章可以看到,由于链表在空间的合理利用上和插入、删除时不需要移动等优点,因此在很多场合下,它是线性表的首选存储结构。然而,它也存在某些实现的缺点,如求线性表的长度时不如顺序存储结构的