您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 管理学资料 > 变量类型与统计分析对应表如下
变量类型与统计分析对应表如下:条件期望与条件方差在正式进入计量经济学的学习之前,需要对条件期望以及条件方差熟练掌握,它们将在以后的学习中经常遇到。一、条件期望1、条件均值的定义条件均值的定义为:||||yYXyyfyxdyYEYXyPyxY若是连续的若是离散的应当指出的是,条件期望是谁的函数?2、条件期望的性质条件均值有几个简单而有用的性质:(1)迭代期望律(LawofIteratedexpectations,LIE)条件期望的期望等于无条件期望:|XEYEEYX其中,记号xE表示关于x值的期望。Proof:离散情形:Weneedtoshow:|XxEYEYXxPXxWhere|||YXyEYXxyPyx.Wehave|||XxYXXyxYyEYXxPXxyPyxPxyPYyEY连续情形:andXxEggfxdx||yEYXyfyxdy|||||,XxxyxyxyxyyEEYXxEYXxfxdxyfyxdyfxdxyfyxdyfxdxyfyxfxdxdyyfxydxdyyfydyEY迭代期望律的一般表述方式|||EyEEyxwx其中,gxw,x是w的子集,g为非随机函数。特例:||,|EyEEyxxzx另外,|||EyEEyxxw也成立。Smaller-fieldalwayswin!!(2)()()|()()|EgyhxygyEhxy(3)()()()()|EgyhxEgyEhxy()()()()|()()|EgyhxEEgyhxyEgyEhxy(4)|||EaxbyzaExzbEyz更为一般的情形:设,12,,,Gaaabxxxx和为x的标量函数,12,,,Gyyy为随机变量,那么:11||GGjjjjjjEaybaEybxxxxxx(5)对于任何二元变量的分布,,,||xxCovxyCovxEyxxExEyxfxdx证明:(,)CovxyExyExEy[(|)][(|)][(|)]EExyxExEyExEyxExEEyx,|CovxEyx{()[(|)((|))]}ExExEyxEEyx[()(|)][()][()(|)]ExExEyxExExEyExExEyx|xxxExEyxfxdx从这个公式中,我们需要理解线性回归中的两个古典假设:(|)0(,)0EuxCovxu由此零均值假定(在ix给定的条件下,iu的条件均值为零)与随机扰动项与解释变量不相关的假定在某种意义下等价,这将在以后的学习中经常提及。二、条件方差1、条件方差的定义条件方差的定义为:2222|||||VaryxxEyEyxxEyxEyx它的简化公式为:22|||VaryxEyxEyx可认为是:分组条件下的集中程度的度量,或者,分组条件下的差异程度的度量。同理,条件期望为总体分组条件下的分门别类地求期望。2、条件方差的性质(1)2||VaraybaVaryxxxxx(2)一个重要的方差分解定理:||xxVaryVarEyxEVaryx它表示,在一个二元分布中,y的方差可分解为条件期望的方差加上条件方差的期望。将此式变形即可得到:||xxEVaryxVaryVarEyx它表示从平均意义上看,在条件约束下,条件化减少了变量的方差。y的条件方差不大于y的无条件方差。现在我们来证明||xxVaryVarEyxEVaryx证明:2222||||2||VaryEyEyEyEyEyEyEyEyEyEyyEyEyEyxxxxxx220||2||EyEyEEyEyEyEyEyEyxxxx22||EyEyEEyEyxx2||22|||||EEyEEyVarEyEVaryEEyEyEEyEyxxxxxxx||EVaryVarEyxx(3)(|)[(|)|][(|)|]VaryEVaryVarEyxx,zxx,zx证明:利用性质:[(|)|](|)EEyEyx,zxx,22[(|)|](|)EEyEyx,zxx则:22(|)(|)(|)VaryEyEyx,zx,zx,z右边第一项为2222[(|)|](|)(|)|(|)(|)|EVaryEEyEyEyEEyx,zxx,zx,zxxx,zx右边第二项为2222[(|)|]((|)|)((|)|)((|)|)(|)VarEyEEyEEyEEyEyx,zxx,zxx,zxx,zxx所以[(|)|][(|)|]EVaryVarEyx,zxx,zx222222(|)(|)|((|)|)(|)(|)(|)EyEEyEEyEyEyEyxx,zxx,zxxxx小结:1、方差分解定理可以表述为:||xxVaryVarEyxEVaryx在方差分解定理的公式中,Vary是y的方差,也就是回归式中的总离差平方和TSS。条件期望的方差|xVarEyx是回归式中的回归平方和ESS;条件方差的期望|xEVaryx是回归的残差平方和RSS。2、依据方差分解定理,可以构造R2统计量:2|xVarEyxESSRTSSVary3、对方差分解定理进行简单的扩展,得到如下的表达式:(|)[(|,)|][(|,)|]VaryXEVaryXzXVarEyXzX(|)[(|,)|]VaryXEVaryXzX两边取期望,由迭代期望定理得到:[(|)]{[(|,)|]}[(|,)]EVaryXEEVaryXzXEVaryXz由于回归方程的总离差平方和TSS是不变的,因此,上式说明,在回归式中增加新的变量会使得可决系数增大。古典假设与最小二乘一、背景本部分开始我们正式进入计量经济学的学习。在计量经济学中,我们考察经济变量之间的相互关系,最基本的方法是回归分析。回归分析是计量经济学的主要工具,也是计量经济学理论和方法的主要内容。本部分从多元回归模型入手,对古典假设进行学习,然后就最小二乘估计法的算法、双残差回归和模型拟合优度的一些问题进行探讨。二、知识要点1、回归模型2、古典假设3、最小二乘法4、双残差回归5、方差分解和拟合优度三、要点细纲1、回归模型一般的,我们可以将回归模型写为条件期望和随机扰动项的和,即:(|)EyyX。当(|)EyX取不同的形式时,也就构成了不同的模型,包括:线性、非线性和非参数等。我们这里所学习的是线性模型(一元或多元):[|]=EyXXβ,则总体回归方程可表示为:yXβ。其中:12(1)nnyyyy,111112122111()111jkjknnjnknkxxxxxxxxxX,011(1)kkβn表示样本数量,k表示解释变量个数(包含了常数项),当2k时就是一元线性回归模型(也称简单线性回归模型)。而12(1)Tnn表示的是随机扰动项,包含了除了解释变量以外的其他影响因素。若遗漏变量,则这个变量也将被扰动项所包含。这里有个回归和投影的概念,简单的说回归是相对总体而言,而投影是相对样本而言,线性投影总是存在的,而且是唯一的。2、古典假设在初级计量经济学中,我们可以看到对于回归模型的假设条件包括:(1)零均值,即(|)0,|0iijiEuCovxXX;(2)同方差与无自相关假定,即随机扰动项的方差2(|)nVarXI;(3)随机扰动项与解释变量不相关,即(,|)0ijiCovxX;(4)无多重共线性,即各解释变量之间线性无关,()RankkX;(5)正态性假定,即2~(0,)iN。对于线性假定,两个层面,一是指参数线性,而不是解释变量的线性。这里,某些非参数线性的模型,可以通过对解释变量和被解释变量进行一定的线性变形,可以转换为参数线性模型,比如对数线性模型、半对数线性模型、超对数线性模型等;另一是指有利于推导参数估计量的统计分布以及进行推断分析。第二,满秩性条件,它是为了保证条件期望的唯一性,参数可求解,同时,此项假设在本课程的学习过程,将会在多处(特别是在某些推导过程中)涉及。第三,外生性条件,表示随机扰动项中不包含有解释变量的任何信息。注意,外生性条件的不同表述方式和内涵。外生性条件的违反将影响到参数估计的一致性问题。第四,球形扰动,是指随机扰动项的方差-协方差矩阵为同方差和无自相关同时成立时的情况。违反此假设条件,被称为非球形扰动,将会影响到参数估计的有效性问题。第五,正态性条件,它主要与我们的统计检验和推断有关,但在大样本的条件下,根据中心极限定理这个条件是可以放宽的。在后期的学习过程中,将逐渐放宽这些假设条件,从而对于这些假定的进行深入理解。3、最小二乘法以估计的残差平方和最小的原则确定样本回归函数,称为最小二乘准则。在古典假定下的最小二乘法,也称为普通最小二乘估计(简记为OLS)。对于多元回归模型,总离差平方和S=e'e=(Y-Xβ)'(Y-Xβ)=Y'Y-β'X'Y-Y'Xβ+β'X'XβY'Y-2β'X'Y+β'X'Xβ我们的目标是使得回归的残差平方和达到最小,即:minβS则它的一阶条件为:S=-2X'Y+2X'Xββ化简得:-1X'Y=X'Xββ=(X'X)X'Y满秩以上是属于初级计量中的做法。而在本课程的学习中,,我们需要从矩条件对最小二乘进行理解。关于矩将在后面部分中详细提到,这里只是应用该知识点。由外生性条件[]0Eε|X可得:[]0TEXε从而:[][]0TTEEXεX(y-Xβ)用样本矩替代总体矩,则可以得到:10TnX(y-Xb)。所以有:111ˆ==TTnnbXXXy。4、最小二乘估计的一些性质代数性质(1)残差和等于0,即0iie;(2)回归线经过均值点,即'yXb;(3)回归的预测值的平均值等于实际值的均值,即yy。但注意这些代数性质只有在回归方程中包含了常数项下才成立。
本文标题:变量类型与统计分析对应表如下
链接地址:https://www.777doc.com/doc-1061385 .html