计量经济学复习笔记(六)updated
接下来就可以很快地把Chapitre4过掉了
先是多变量线性回归模型的栗子,看课件就好了,没什么重要的。
必须强调,类似于柯布道格拉斯生产函数的非线性函数我们也可以将其对数化弄成参数线性的。
然后是偏回归系数的定义:就是包含截距项在内的参数βi|i=0,1,…,k\beta_i|i=0,1,\dots,k;然后是斜率系数,就是从β1\beta_1开始不包括截距项的系数,两者的关系是
偏回归系数 = 截距项系数 + 斜率系数
打集合太麻烦了,就这么看着吧
考试应该会考到的βi\beta_i的定义:就是其他变量保持不变时,XiX_i每改变一个单位时,对Y的期望(均值)的影响
随机干扰项的假定也和前面高斯-马尔科夫假设一样的
无非就是期望 方差 独立性(两条) 随机取样(两条)什么的都要满足
然后是对参数的估算
和前面的一样,两种OLS估法,最小二乘法和矩估算法
1.最小二乘法就是令其残差平方和最小,就是最小化∑u^2i\sum\hat u_i^2
然后我们必须要令每一个参数的偏导为零
一种是教案上的表示方法,非常复杂,但是采用矩阵形式就非常简洁
我们先令
X=⎛⎝⎜⎜⎜⎜⎜⎜⎜111⋮1x11x21x31⋮xn1x12x22x32⋮xn2x13x23x33⋮xn3⋯⋯⋯⋱⋯x1kx2kx3k⋮xnk⎞⎠⎟⎟⎟⎟⎟⎟⎟X= \begin{pmatrix} 1&x_{11}&x_{12}&x_{13}&\cdots&x_{1k}\\ 1&x_{21}&x_{22}&x_{23}&\cdots&x_{2k}\\ 1&x_{31}&x_{32}&x_{33}&\cdots&x_{3k}\\ \vdots&\vdots&\vdots&\vdots&\ddots&\vdots\\ 1&x_{n1}&x_{n2}&x_{n3}&\cdots&x_{nk}\\ \end{pmatrix} ,y=⎛⎝⎜⎜⎜⎜⎜⎜⎜y1y2y3⋮yn⎞⎠⎟⎟⎟⎟⎟⎟⎟y= \begin{pmatrix} y_1\\ y_2\\ y_3\\ \vdots\\ y_n\\ \end{pmatrix},β^=⎛⎝⎜⎜⎜⎜⎜⎜⎜⎜β^1β^2β^3⋮β^n⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟\hat \beta=\begin{pmatrix} \hat\beta_1\\ \hat\beta_2\\ \hat\beta_3\\ \vdots\\ \hat\beta_n\\ \end{pmatrix},,μ^=⎛⎝⎜⎜⎜⎜⎜⎜⎜μ^1μ^2μ^3⋮μ^n⎞⎠⎟⎟⎟⎟⎟⎟⎟\hat \mu=\begin{pmatrix} \hat\mu_1\\ \hat\mu_2\\ \hat\mu_3\\ \vdots\\ \hat\mu_n\\ \end{pmatrix}
然后就有
y = X\hat \beta + \hat u
所以最小二乘表示为
u^Tu=(y-X\hat\beta)^T(y-X\hat\beta)
然后展开可以获得
u^Tu=y^Ty-y^TX\hat\beta-\hat \beta^TX^Ty+\hat\beta^TX^TX\hat\beta
由于 yTXβ^=β^TXTyy^TX\hat\beta=\hat \beta^TX^Ty
所以式子化简为
u^Tu=y^Ty-2\hat \beta^TX^Ty+\hat\beta^TX^TX\hat\beta
然后对 β^\hat \beta求偏导
\cfrac{\partial u^Tu}{\partial \hat\beta}=-2X^Ty+2X^TX\hat\beta=0
所以解得
\hat\beta = (X^TX)^{-1}X^Ty
http://www.docin.com/p-397789953.html
接下来是残差和拟合值的统计特性问题
这里开始就是要为模型稳健性检验做铺垫
首先我们有如下两个概念:
预计值:
\hat y_i = \hat\beta_0+\hat\beta_1x_{i1}+\hat\beta_2x_{i2}+\cdots+\hat\beta_kx_{ik}
残差:
\hat u_i =y_i-\hat y_i
其次就是几个残差的特性:
残差和为0,所以回归是过均值点的,然后是残差是独立的,其与自变量的协方差就是0.
之后是稳健性检验的几个话题
第一个要素是TSS就是总离差平方和的分解
跟之前的方差的分解一样,我们有
TSS = \sum(y_i - \bar y)^2=\sum(\hat y_i - \bar y)^2+\sum(y_i - \hat y_i)^2=\sum(\hat y - \bar y)^2+\sum\hat u_i^2
即
总离差平方和TSS=ESS+RSS=解释平方和+残差平方和
解释平方和的构成什么的,看看课件就好了,应该不会考吧
也就是把y用x带掉做成离差形式而已
然后为了稳健性检验,其中很重要的一个概念就是在做方差检验时的,F分布的自由度选择问题
首先是判定系数R2R^2 和调整过的判定系数R¯2\bar R^2(在STATA中被叫为adj−R2adj-R^2)
然后是判定系数的定义
R^2 = \frac{ESS}{TSS}=1-\frac{RSS}{TSS}
就是模型中有多少量可以被解释,量越高,拟合优度越高
有以下两点原因,一是我们在计算的时候就是把残差平方和最小化的,这样会影响模型原本显著性检验;再者是我们如果加入新的变量,无论该变量是否相关都会减少残差平方和的自由度而增加判定系数,但是这是不符合我们的研究目的的,所以我们要通过自由度ff对各个平方差进行调整。
之后引出了调整的判定系数R¯2=1−RSS/dfRTSS/dfT=1−RSS/n−K−1TSS/n−1=1−∑u^2i/n−K−1∑y¨2i/n−1\bar R^2= 1-\cfrac{RSS/df_R}{TSS/df_T}=1-\cfrac{RSS/n-K-1}{TSS/n-1}=1-\cfrac{\sum \hat u_i^2/n-K-1}{\sum \ddot y_i ^2/n-1}
貌似教案上又错了╮(╯_╰)╭
或者我们可以跟教案上一样把后面的RSS/TSS部分用R2R^2表示掉,然后用R2R^2表示出 R¯2\bar R^2
之后是估算的无偏性,还是马尔科夫定理
线性,抽样(随机抽样和满秩),期望(干扰项同自变量,干扰项同干扰项之间均独立,期望为0),方差(条件方差不变即同方差性),就四个方面,六点。
满秩的话就是说各组X取值不线性相关,为什么呢?这就可以直接用前面的矩阵来说,不满秩就没有逆矩阵了啊(手动斜眼XD)
然后重点来了
就是对估计的参数进行检验
我们通过以上假设可以求得
Var(\hat\beta_k)=\cfrac{\sigma^2}{TSS_k(1-R_k^2)}
TSSKTSS_K不是 TSSTSS啊,是自变量 xkx_k的离差平方和 ∑x¨2k\sum \ddot x_k^2
而 R2kR_k^2是把 xkx_k作为因变量然后做其他变量的回归得出的判定系数, 必须注意区别
然后这个还是未完成体,因为我们在大多数时候是不知道方差的,我们必须要对 σ2\sigma^2进行估计
然后对σ2\sigma^2的估计我们可以用
\hat\sigma^2=\cfrac{\sum \hat u_i^2}{n-K-1}=\frac{RSS}{n-K-1}
这是一个无偏估计量,很好记 k=1时,自由度是n-2;k=0时,则是前面样本方差的自由度n-1
然后各参数的方差和标准差都可以表示出来了,注意,回报回归结果的时候都要写上
\begin{cases} Var(\hat\beta_k)=\cfrac{\hat\sigma^2}{TSS_k(1-R_k^2)}\\ \\ Se(\hat\beta_k)=\cfrac{\hat\sigma}{\sqrt{TSS_k(1-R_k^2)}}\\ \end{cases}
在高斯马儿克夫假设下,这估算了是最佳的,BestLinearUnbiasedEstimateur,BLUE,,即最佳无偏估算量,即是有效性
证明过程就略了
看看课件就行了
to be continue…
计量经济学复习笔记(六)updated相关推荐
- 计量经济学复习笔记(一):一元线性回归(上)
计量经济学复习笔记(一):一元线性回归(上) 在本文中,我们将对回归的基本概念作出解释,介绍相关分析与因果分析之间的差异:辨析总体回归函数.总体回归模型.样本回归函数.样本回归模型之间的关系,了解我们 ...
- 计量经济学复习笔记(四)updated2.0!
终于进入回归了regression! 回归就是探究因变量和自变量的相关关系 因变量,就是y,又被称为被解释变量,回归子,相应变量 自变量,就是x,又被称为解释变量,回归元,控制变量 根据变量个数可以将 ...
- 计量经济学复习笔记(1)
考研炸了,期末考不能炸!!!对付拖延症的最好方法就是找一个push的压力 每天两更!4天攻下计量! 首先我们首先要明白几个公式 假设A和B均为独立变量则有 E(X+Y)=E(X)+E(Y) E(X+ ...
- 《信息与编码》考试复习笔记6----第六章连续信源熵和信道容量(考点在连续信道容量)
系列文章链接目录 一.<信息与编码>考试复习笔记1----第一章概论 二.<信息与编码>考试复习笔记2----第二章离散信息源 三.<信息与编码>考试复习笔记2-- ...
- 数据结构(c语言版)笔记6,2020考研计算机《数据结构(C语言版)》复习笔记(6)
2020年计算机考研复习已经开始,新东方在线在此整理了2020考研计算机<数据结构(C语言版)>复习笔记(6),希望能帮助大家! 第六章 树知识点整理 树是n个结点的有限集合,非空时必须满 ...
- c++语言自定义操作符,C++语言复习笔记二
C++语言复习笔记二 零.OOP 特征:抽象-封装-继承-多态 一.自定义数据类型 1.类 class 类名 { private: 私有成员(本类) public: 公共成员(所有) protecte ...
- (萌新笔记)python的复习笔记
简介:python,作为我在暑假入门的第一门语言,我发现它特别简洁和实用,因此我想记录我的python学习过程,现在刚刚大一入门(我比较弱鸡,所以本文可能会有记录很多我初学时遇到的问题,还请大家斟酌观 ...
- 《微型计算机原理与接口技术》期末总复习 —— 一篇匆匆忙忙的复习笔记
这篇复习笔记是针对<微型计算机原理与接口技术>后面几章的 前面的汇编复习内容在 "零.学习笔记总目录" 的 "汇编考前复习" 中 ✅ 这篇笔记中可能 ...
- 【期末复习笔记】知识产权法——著作权、专利法、商标权
[期末复习笔记]知识产权法 著作权 著作权法不予以保护的客体 著作权的归属 著作权的内容 著作人身权 著作财产权 著作权的取得方式:自动取得 著作权的保护期限: 邻接权 表演者权 表演者义务 表演者权 ...
最新文章
- jittor 和pytorch gpu 使用效率对比(惊人jittor的算力利用率是pytorch 4-5倍)
- 解决 后台播放音乐时,设置手机铃声,后台音乐不会暂停
- C#中的非托管资源释放(FinalizeDispose)
- 从C语言的角度重构数据结构系列(八)-数据结构堆知识超级丑数
- 中文NER任务实验小结:BERT-MRC的再优化
- java中的jsonjar_java中使用json之相关jar包介绍
- 使用代理下载android系统源码和SDK
- 分布式查询处理和优化相关知识介绍
- 局域主机做服务器,安装DNN,外网访问的解决办法
- 产品经理常犯的七大错误
- 一个完整的c语言的单链表代码,单链表完整C语言纯代码.docx
- 使用FPM打包工具打rpm包
- 长连接与心跳包 Persistent connection and HearBeats
- Web页面iOS真机调试-win10
- 二级c语言不写编程,计算机二级C语言 到底是不是考原题
- LOL英雄联盟搞笑段子
- 逻辑斯谛回归logistic regression-最大熵
- order by a desc,b desc与order by a,b desc不同
- 【bioinfo】bbtools:bbmerge 二代测序reads合并工具了解
- 西科大计算机网络期末复习考点
热门文章
- Android 模拟登陆正方教务系统
- Java安全-注入漏洞(SQL注入、命令注入、表达式注入、模板注入)
- Open Images Dataset V5 - Data Formats - Class Names
- USB-详解/sys/kernel/debug/usb/devices
- c语言主线程退出子线程,简单了解C语言中主线程退出对子线程的影响
- 房价是鹤岗2倍多,这座小城有星巴克、沃尔玛和三甲医院
- 宝塔面板网站一打开cpu百分百_解决宝塔面板CPU占满100%,负载100%网站缓慢等问题(完全篇)...
- oracle 当前日期格式,Oracle获取当前日期及日期格式
- 怎么转换CAD图纸格式?三种方法帮你搞定CAD转PDF格式操作!
- FTP使用教程之Filezilla使用教程