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：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：其中，记号表示关于

x值的期望。Proof: 离散情形：Weneedtoshow:Where.Wehave连续情形:and迭代期望律的一般表述方式其中，，是的子集，为非随机函数。特例：另外，也成立。Smaller-fieldalwayswin!!（2）（3）（4）更为一般的情形：设，为的标量函数，为随机变量，那么：（5）对于任何二元变量的分布，证明：从这个公式中，我们需要理解线性回归中的两个古典假设：由此零均值假定（在给定的条件下，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：它的简化公式为：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）一个重要的方差分解定理：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：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。现在我们来证明证明：（3）证明：利用性质：，则：右边第一项为右边第二项为所以小结：1、方差分解定理可以表述为：在方差分解定理的公式中，是的方差，也就是回归式中的总离差平方和TSS。条件期望的方差是回归式中的回归平方和ESS；条件方差的期望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：3、对方差分解定理进行简单的扩展，得到如下的表达式：两边取期望，由迭代期望定理得到：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：。当取不同的形式时，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)：，则总体回归方程可表示为：。其中：，，表示样本数量，表示解释变量个数（包含了常数项），当时就是一元线性回归模型（也称简单线性回归模型）。而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；（2）同方差与无自相关假定，即随机扰动项的方差；（3）随机扰动项与解释变量不相关，即；（4）无多重共线性，即各解释变量之间线性无关，；（5）正态性假定，即。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，总离差平方和我们的目标是使得回归的残差平方和达到最小，即：则它的一阶条件为：化简得：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。由外生性条件可得：从而：用样本矩替代总体矩，则可以得到：。所以有：。4、最小二乘估计的一些性质代数性质（1）残差和等于0，即；（2）回归线经过均值点，即；（3）回归的预测值的平均值等于实际值的均值，即。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。

办公用品需求单序号名称用途数量备注申请部门：填表人：填表日期：办公用品需求单序号名称用途数量备注申请部门：填表人：填表日期：办公用品采购单年月日序号名称用途使用部门数量预算价格备注合计：制表人：财务审核：总经理审批：办公用品领用单序号名称数量备注领用部门：领用人：领用日期：办公用品领用单序号名称数量备注领用部门：领用人：领用日期：办公用品出库单序号名称使用部门数量领用签字备注会议物品采购单年月日会议名称：召开时间：序号名称用途使用部门数量预算价格备注合计：制表人：财务审核：总经理审批：会议物品领用单会议名称：召开时间：序号名称使用部门领用数量退还数量备注书籍、光盘购买单序号名称数量价格备注合计：制表人：财务审核：总经理审批：固定资产申请单序号名称用途数量备注申请部门：填表人：填表日期：固定资产申请单序号名称用途数量备注申请部门：填表人：填表日期：固定资产采购单年月日序号名称用途使用部门数量预算价格备注合计：制表人：