自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 计量经济学复习笔记(七)

在前面的基础上,我们要对参数的估计值等做统计检验,还需要另一项假设就是,干扰项必须符合正态分布 但是由于有中心极限定理,只要样本数量够多,就可以近似看做正态分布 anyway,正态分布必须成立即 u∼N(0,σ2)u\sim N(0,\sigma^2)然后这条归纳式就很形象y|x∼N(β0+β1x1+⋯+βkxk,σ2)y|x\sim N(\beta_0+\beta_1x_1+\cdots+\b

2015-12-31 16:54:10 1166

原创 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

2015-12-31 02:29:21 1713

原创 计量经济学复习笔记(五) Updated

最小二乘法的估算量的期望值这里是要证明我们所估计的β^1\hat \beta_1是β1\beta_1的无偏估计量 我们就对β^1\hat \beta_1求期望 首先我们要明白离差的定义x¨i=(xi−x¯)\ddot x_i = (x_i-\bar x) 那么我们将一般线性回归方程的β^1\hat\beta_1可改写成 β^1=∑y¨ix¨i∑x¨2i\hat\beta_1=\cfrac{\

2015-12-30 18:44:20 1898

原创 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回归分为简单回归(双变量回归模型)和复回归(多变量回归模型)根据回归函数形式可以分为,线性回归和非线性回归=================简单回归,我们先定义简单回归函数形式Y=β0+β1X+uY

2015-12-30 01:14:00 3784

原创 计量经济学复习笔记(三)修正版

假设检验原假设 H0H_0 对立假设H1H_1 简单假设:假设为一个值 复合假设:没有确定值,假设变量在一个范围内 可能原假设正确, 然后拒绝 为I类错误 可能原假设错误, 没有拒绝 为II类错误范 I类错误的概率定义为 显著性水平 α\alpha 一般取0.05 犯II类错误的概率定义为置信系数 1−β1-\beta (β\beta 为和α\alpha呈正相关的一个系数,原来错了 感

2015-12-29 18:22:33 986

原创 计量经济学复习笔记(二)

做了个纸模型时间就飞掉了现在要concentrate 了首先补充一下上次的笔记 计算概率,以正态分布为例的时候,P(a<X<b)=P(a−μσ <z<b−μσ )=Φ(b−μσ )−Φ(a−μσ ) P(a<X<b)=P(\frac{a-\mu}{\sigma}<z<\frac{b-\mu}{\sigma})=\Phi(\frac{b-\mu}{\sigma})-\Phi(\frac{a-\mu}

2015-12-29 14:43:56 1785

原创 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!

2015-12-27 23:40:17 5795 2

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除