x,y的联合密度为f(x,y)=(2/3)(x+2y), 当0≤x≤1,0≤y≤1时;f(x,y)=0,others
求:1)y关于x最小二乘回归曲线
2)x关于y最小二乘回归曲线
document.body.clientWidth*0.5) {this.resized=true;this.width=document.body.clientWidth*0.5;this.style.cursor='pointer';} else {this.onclick=null}" alt="" />
不知方法和计算是否有误,请楼主指正。
首先题目就要求用最小二乘法来解答
所以就应该是用ls;
其次CE(条件期望)本身就是最小方差均值的估计量,
所以用CE进行估计就是在做最小二乘回归。
以上回答了楼上的两个问题。
以下是对CE本身就是最小方差均值估计量的证明:
document.body.clientWidth*0.5) {this.resized=true;this.width=document.body.clientWidth*0.5;this.style.cursor='pointer';} else {this.onclick=null}" alt="" />
document.body.clientWidth*0.5) {this.resized=true;this.width=document.body.clientWidth*0.5;this.style.cursor='pointer';} else {this.onclick=null}" alt="" />
document.body.clientWidth*0.5) {this.resized=true;this.width=document.body.clientWidth*0.5;this.style.cursor='pointer';} else {this.onclick=null}" alt="" />对四楼第三句话的回答是:
如果随机变量之间都存在显性函数关系的话,那还研究计量做什么
直接运用代数把这些显性函数关系算出来就好了,何必做什么最小二乘回归
其次CE(条件期望)本身就是最小方差均值的估计量,
所以用CE进行估计就是在做最小二乘回归。
您是在说ls method还是在说properties of estimator?您下面的几段证明好像没多大意思,比如,就算用mle的方法也可导出估计量的efficiency.
如果随机变量之间都存在显性函数关系的话,那还研究计量做什么
研究计量无论是理论还是应用,基本都假定变量之间的关系是显性的,而参数是未知的;而推导出变量之间的一显性关系式是经济理论与数学的结合的事。
直接运用代数把这些显性函数关系算出来就好了,何必做什么最小二乘回归
您所做的事不正是硬生生地把变量之间的关系算出来的吗?
以上是个人之见,可能有点偏颇,请各位接下!
请教中!
我对题目的理解是:
给定了两个随机变量的联合分布,将其中一个表示为另一个的函数,而该函数要具有一定的性质,
这种特定的性质就是该函数对被解释变量的方差均值是最小的——这就是所谓的最小二乘法。
将一个变量表示为另一个变量的函数时,可以有无数多种形式,具有上述性质的函数形式我不敢说只有一个但是一定不
多,而且用CE算出来的一定是其中一种(我所列出来的证明就是在证明这一点)。
至于还有没有其他方法也能算出具有这样性质的函数,我实在还不知道,如果楼上的知道的话请算出来。
如果变量之间存在某种明确的经济关系时,我们可以对它们之间的形式进行假设——就是建模(你所谓的显性函数关
系),之后再对模型中的参数进行估计。如果模型是线性的我们最常用的估计方法是OLS,用OLS估计出来的参数具有
在给定模型的情况下的最小方差均值的性质。
恕我之前对你所谓“显性函数关系”理解的偏差,我想说的是就算没有对随机变量之间假设“显性的函数关系”也可以
将它们之间最小二乘的函数关系算出来,而用CE计算就是一种方法。因此之前我所说的就是:用CE计算是一种“ls
method”,因为用CE算出来的函数具有efficiency 的“properties”。
我只是初学者,这学期只学到了GMM,恕我无知,真的不知如何运用MLS(应该是最大似然的方法吧?),
如果楼上的大侠很了解的话,请也写出具体的解答过程好让在下也学习学习。谢谢!
最后的回复:
从头到尾我都不信这题能用ls解,所以一直请教中.
什么是ls和mle,以及它们的估计量的性质,您可问您的老师去.您理解的偏差是您自己的事.
不刺您两句,对不起我的性格!
我感觉您的计量水平还没我们这边的一"小本子"强,所以您不用多提什么"初学者"等等的话,因为大家一看就知道!
也不知您是哪个matrix 培育出的abnormal embryo.
且您不象学数理的,因为您基本的逻辑思维能力也没,"狗有四条腿,有四条腿的动物一定是狗吗?"
另外,我不是大侠,因为我不懂武功.
您基本的逻辑思维能力也没,"狗有四条腿,有四条腿的动物一定是狗吗?"
你说这句话就足以说明你根本没有看懂我给出的证明,而且对CE根本一无所知,
一看就知道不是做学术的。
非得从一开始就解minE[(y-m(x))^2],然后得到最优的m(x),这样你才看得懂是吧?
你再好好看看我给的证明吧,你以为那只是些性质吗? CE就是这个解!!
说什么四条腿的动物一定是狗吗,我告诉你这四条腿的动物还就是只纯种的狗,
你要不信可以拿她的基因去检验!
我本来就只有本科水平 多谢你的说明
但是这里是在讨教题目 不是要耍宝
像楼上这种可以从对别人的刺激中获得效用的人,实在不值得向其讨教,想其必不是做学问的料
至于你的水平,我不想评价,因为让别人看出你的无知对我来说根本没有效用,
况且我不想拿无知者的错误来惩罚自己。
提醒一句 别拿轻浮和无知当个性
对于能不能用ls的方法来做不是对题目解答的讨论,你若要讨论请给出详细的疑问
不要在没有任何具体想法的情况下发表质疑。
如果不愿就题论题就请不要回帖
请问楼主能否给出这道题的答案
[此贴子已经被作者于2005-12-30 20:56:36编辑过]
没想到二位讨论的最终结果也是这样!这个时候我们应该想一下我们该如何思考和讨论问题了!希望最终还是回到问题上来!
1,我所理解的最小二乘是针对样本而言,是属于数据拟和问题,而对于总体而言,应该是最佳预报函数如何确定的问题,准则是最小均方误准则!不论样本还是总体,在泛函或代数意义下都是统一的,即希尔伯特空间中的正交投影最小化!但是在称呼上是否都可以叫最小二乘我还不是很了解!所以对这个题的问法不敢肯定,如果搂主有权威资料可供参考,不胜感激!
2,对于四楼的疑问,我觉得不仅两个随机变量可以回归,两个随机过程也可以回归!至于你所说的显性关系式,用最小均方误准则推倒出来就是E(Y/X),这个根据联合密度函数就可以求出了!四楼应该是经济院校的,何不翻阅一下数学史中介绍的最小二乘的由来以及数学类书籍中对最小二乘几回归分析的严格化处理,那样的话您的反驳会更有价值!
由于比较忙,就没有具体算结果了!
[此贴子已经被作者于2005-12-31 0:15:03编辑过]
我来说两句,凑个热闹,呵呵
搜索了以上几位的文章,发现你们都不错的,为了一个问题,脸都红了,何必呢,何苦呢,哈哈
楼主,出了个题,后面都不支声了,太不该了,想必题是有问题的。
summerye似乎偏重于数学,但似乎不清楚ls(least squares),第一段计算也不是用ls,后面给出的证明不能说明该方法是最小二乘法,平常的最小二乘法在满足经典假设下有blue性质,但违反了假设,并不具有“有效性”,即估计量有最小方差。此时要用其他方法调整,比如MLE,GMM,或GLS,NLS,IV等,来达到渐近有效性。特别是当自变量与因变量都是随机变量时,即内生的。但summerye作为一本科生,是难能可贵的。可能你受的教育真的偏重于公式的推导了,这种方式的计量经济学教育真的“歪曲”了计量本身。
zhangg计量怎么样,我不好说,但看看他的文章,似乎数学英语都还不错,性格有点偏激,可能这种人适合搞学术,但我认为有点浮躁。“狗有四条腿,但有四条腿的不一定是狗”,这个比喻很精彩,似乎是说,用最小二乘法的性质来说明该方法是最小二乘法是不妥的,做学术并不需要板着脸,一副老学究的样子。
随机过程这时才冒出,以“很忙”为理由没给出计算结果,我想就算他不忙也给不出结果,还搬出一大堆数学学科,甚至数学史出来,有点唬人的味道,哈哈,别见怪,实话实说。
我是个教计量的教师,但水平也有限,说错了,还请多多包涵。
新年到了,祝大家新快乐,学有所成。
呵呵,好像论战又开始了阿,有新人加入,热烈欢迎~~
其实每个人各有擅长,若说对任何一个问题都能回答得十全十美好像不太可能,希望有更多的人参与进来~~
学术讨论就讨论学术,希望大家少些无谓的意气之争,留些精力去冲击一下香港科大的副教授标准,也别让丁教授老说大陆只有5个经济学家阿~~
对这道刁题的讨论,连版主都参与来,在下真是不胜荣幸!
多谢阿kb老师的总结陈词,看来也是认真关注过这道题目的
不过对随机过程老兄的评价阿kb老师似乎没有抓住重点,这道题的关键就是对概念的争辩,随机兄明确指出了针对
样本的估计和针对总体的估计的区别,这对于此题来说是十分重要的。最后的解答过程只是些计算,况且现在是期末,
论坛里大部分的人都是很忙的,相信在不忙的时候随机兄是一定可以把详细的解答写出来的。
回到题目上来,阿kb老师所说的“ls(least squares)”,以及之后的MLE,GMM,或GLS,NLS,IV等都是针对样本
来估计参数的方法,当然每种方法都需要满足一些假设。但是不要忘了题目,这道题并不是要通过样本来估计什么参数
,而是从一开始就给出了总体的性质(两个随机变量之间的联合密度函数),要做的是针对总体估计的函数形式。
因此如果ls真的只是针对样本估计参数的专用名词的话,那么题目本身的提法就有问题,因为出现了概念混淆,
“狗”的问题也不需要争辩了,因为本题要找并不是只“狗”。
所以对于解答的讨论就可以先暂停,等题目本身完善之后再继续。
还恳请阿kb老师给出ls最权威的定义,(这个答案也许真的要从数学史里来找,因此随机兄提出数学史并不是在吓唬人)
[此贴子已经被作者于2006-1-1 11:30:24编辑过]
先感谢sunnerye对我的帖子的解释,我更感动和欣赏的是你的思考方式和你的逻辑思维,不管你处于什么水平,我喜欢和你这样的交流问题!
既然有老师加入,我就多说几句:“summerye似乎偏重于数学,但似乎不清楚ls(least squares),第一段计算也不是用ls,
后面给出的证明不能说明该方法是最小二乘法,平常的最小二乘法在满足经典假设下有blue性质,但违反了假设,并不具
有“有效性”,即估计量有最小方差。此时要用其他方法调整,比如MLE,GMM,或GLS,NLS,IV等,来达到渐近有效
性。特别是当自变量与因变量都是随机变量时,即内生的”,你凭什么说第一段的计算不是最小二乘呢?你后面关于最小
二乘的说明我也没看出与这个题有任何关系,事实上你也根本没回答什么是最小二乘——那么我告诉你,题目中给出的是
总体的联合分布,并没有任何关于样本的说法,那么这时候你所思考的应该是对于总体能不能用最小二乘,怎么用最小二乘!
“我想就算他不忙也给不出结果,还搬出一大堆数学学科”,那么正确的讨论方式应该是,你明白我的话的含义,然后来
说其错在哪里,对于我所说的数学内容,如果你被我唬住了,就不能轻易对我的东西下结论————因为你没懂,又怎么
能评价呢?至于结果,我已经说了按最小均方误得到的结果是f=E(Y/X) (详细的请参见中科大仿兆本,缪伯其老师的《随
机过程》第11页),求条件期望的话,二楼已经给出答案了!那么你所指责的,不应该是我是否给出结果,而是应该说明f
=E(Y/X)这个是否正确,“后面给出的证明不能说明该方法是最小二乘法”也要给出理由!至于我所指的数学史(《数学
史通论》),上面有关于最小二乘的由来,看了以后可以引发你一连串思考(假设你有独立思考能力),高斯在推导误差
分布的时候,只用到三个简单假设,至于正态分布,是推导出来的,而不是假设的,这可以回答有些同学关于正态性假设
的问题了!那么现实中不服从正态性假设怎么办,有人说在大样本情况下近似服从,那么又会有一大堆问题随之而来!
“为了一个问题,脸都红了,何必呢,何苦呢”,请你反思一下这样的话能出自一个老师之口吗?你的学生问你问题的时
候,你就用一个无所谓的态度来回答吗?另外,学术争论就应该针锋相对,因为两个观点要么互相包容,要么水火不容,
不争论怎么能有结果,怎么能进步。记得清华的那位退学博士写过,他所了解的国外的学术讨论,是大家约好一天一起喝
茶,然后拿出各自的问题和观点,他们的争论在外人看来,就像打架一样,而争论过后,各自心平气和,只针对问题不针
对人,而你先是对每个回帖的网友的水平先评论一番,确实不愧为具有中国特色的教师。如果被gemini69那位网友看见
了,不知道又要怎么挖苦大陆的老师了!
之所以这么言辞激烈,就是因为你是老师,我受到的老师的摧残不少,他们把经验分布函数收敛于真实分布理解为极限分
布理论,我指出来却反过来说我是错的!又不说明理由!简直荒唐!写这些的目的是想让你以后近两少毒害一点学生!大
陆教育的现状和你们这些自以为是的老师有很大关系!
一群垃圾!
首先,前面给出的计算只是求条件期望,一个本科生足于应付;后面给出的证明,明显有摘录的痕迹,就算不去讨论对与错,并且未给出引用或出处,什么态度!什么作为本科生是“难能可贵”的,如此下去,无非是学术上多了个败类而已。
其次,如果说语言尖锐些就是浮躁,楼上的所有人都难逃“浮躁”的范围!
随机过程从头到尾,没给出什么实际性的,有助于解决问题建议或说法,只不过说的如如“懒婆娘的裹脚步又长又臭”罢了,不过是个爱制造垃圾的家伙,另外,有空在这骂人,为何没空给出计算结果呢?
啊kb老师,少走中庸之道,平生我最恨教计量的教师了。大陆没几个好货色!
本来不想多说了,忍无可忍,无须再忍!
对不起了版主,必须说两句粗话了!
记得新东方的老罗说过:天才总是要停止前进的脚步来等那些笨蛋。 在论坛上遇到的人总是让我觉得自己是天才,但是我时常把自己从天才的位置拉回到笨蛋的 位置上来,因为我确实不是天才,而是因为你们是地地道道的笨蛋!笨蛋并不可怕,我说过在真理面前人人都是笨蛋,
最可怕和让我受不了的是你们的独立思考能力和逻辑思维能力!不给出证明的原因是因为编辑公式太麻烦,而在这里写几
个字骂骂这些拿无知当作深沉的人,时间远小于编公式的时间!
首先,总体回归函数的形式就是y对x的条件期望,至于怎么证明,我不想给你补基础课程!而二楼给出的证明,对于讨论问题而言,出处并不重要,重要的是你要指出其错在哪里(按逻辑来分析一下,摘抄的东西,是错误的概率有多大??)更重要的是你是否看懂了他的证明 ???????
其次,如果你承认题的问法正确,那么请给出你的方法!如果你觉得题的问法有问题,那么请指出你觉得问题出在哪————我们已经指出现在的主要分歧在于对于总体回归函数的求法,能不能叫作最小二乘。要是你还停留在那个证明的对与错上,从讨论问题的角度讲,我可以直接把你枪毙了!因为很容易就看出你的水平了!
最后,有人能总结出我的回答得含义,而你却不知我所云,那么对不起,我不能停下来等你!
为了答谢斑竹,我再次呼吁你,把问题看清楚,找到问题的关键所在,然后把别人表达的意思看懂,然后再提出异议!提出异议要明确点,说出别人的证明错在哪!然后说出自己的解答方法!这才叫讨论,知道不?求求你了,大家都是老大不小的人了,不要求你言语上讲任何礼貌,但是思维上别那么混乱好不好!
不说了,又激动了!
指出zhangg的逻辑混乱的地方!
首先,前面给出的计算只是求条件期望,一个本科生足于应付----- 请你先了解求条件期望的含义,然后说其错在哪!是否只有博士生解答出来的而不是只有本科生就足以应付的才是正确答案???答案正确与否能用回答者的学历来判断吗?
后面给出的证明,明显有摘录的痕迹,就算不去讨论对与错-——重点就是在讨论对于错,而不是看别人是否引用了出处!毕竟这是论坛,而不是期刊!或者我先替二楼未表明出处道个歉,以避免你在这上面纠缠!然后请你说说后面的证明之所以没意思,到底是哪里没意思???????
随机过程从头到尾,没给出什么实际性的,有助于解决问题建议或说法————我在12楼说的话你是否看懂了??看懂了的话请指出错在哪里??没看懂的话,如果你还有点求知欲的话,就继续去琢磨,如果肯谦虚一点的话,我会详细给你解答!
[此贴子已经被作者于2006-1-4 0:58:30编辑过]
几日未到论坛,本贴又热闹了许多
首先感谢随机兄对在下思考方式和逻辑思维的肯定,以及为我所谓的“过失”而做的道歉。
已给你发邮件了,将来在学习方面还要多多向你讨教啊:)在此先谢过随机兄!
对于zhangg要求给出证明的引用和出处我倒是可以理解,因为他根本看不懂在这给出的证明,而且自己也找不到有关
条件期望的资料,因此想要到原始资料的来源来学习学习。
既然想要学习就谦虚和直接些,说一堆无关问题讨论的废话,简直就是找骂,再一次拿无知当个性
以下就是5楼所列证明的出处:
《Econometric Analysis of Cross Section and Panel Data》 Jeffrey M. Wooldridge
p29 Appendix 2A
自己下电子书好好学学吧
summerye ,你SB呀?
Greene的Econometric Analysis中就有相关的证明,本来我都不想说的,若不提下,大家还以为是你证的,看你,水平如本科生,说话的口气像是社会上的渣子,如果你是本科生的话,那也是一个年龄在25岁以上的老本科生了。不说计量,就说数学,你也不过是个垃圾!
你在此之前不但不给出出处,
虽然你给出的证明和本题无关,
还说什么自己给出的证明的,你要不要脸呀,这是个态度问题!你连最起码的“诚信”也没,叫谁相信你!
随机过程说到什么总体回归来自圆其说,你没长眼呀,本题是要求用最小二乘法,你自己去找书吧。还左编辑右编辑的,出来那么多废话。你若不给出计算结果(你自己说是没时间),你已经无权再发言啦。
前面的回复,一直听从版主的劝告,要有修养,故一直很客气。后来,发现,和你们讲修养简直有辱修养。
君子和而不同,小人同而不和,哎,我又破戒了!
传了几张电子书上摘下来的图片!前两张是方兆本与缪伯其老师的《随机过程》,后三章是陈希孺老师《概率论与数理统计》上的!
希望楼上的能详细看一下,然后弄清楚总体回归函数与样本回归函数的含义以及是怎么得到的!然后我再向您讨教搂主提出的问题!!口水仗就免了吧!因为我惹不起你!
document.body.clientWidth*0.5) {this.resized=true;this.width=document.body.clientWidth*0.5;this.style.cursor='pointer';} else {this.onclick=null}" alt="" />
document.body.clientWidth*0.5) {this.resized=true;this.width=document.body.clientWidth*0.5;this.style.cursor='pointer';} else {this.onclick=null}" alt="" />
document.body.clientWidth*0.5) {this.resized=true;this.width=document.body.clientWidth*0.5;this.style.cursor='pointer';} else {this.onclick=null}" alt="" />
document.body.clientWidth*0.5) {this.resized=true;this.width=document.body.clientWidth*0.5;this.style.cursor='pointer';} else {this.onclick=null}" alt="" />
document.body.clientWidth*0.5) {this.resized=true;this.width=document.body.clientWidth*0.5;this.style.cursor='pointer';} else {this.onclick=null}" alt="" /> [此贴子已经被作者于2006-1-4 19:09:17编辑过]
您这么牛,为什么不给出最小二乘法的定义呢?LS是针对样本还是针对总体回归的呢?
您这么有空,为何“自食其言”,不给出计算结果呢?
我在前说了,题有问题,只是不敢确认,所以请教。书不就麻烦你上传了,因为我也有。
其实,我想您可能也意识到题有不妥之处啦,若把题中的最小二乘去掉,这题就成了回归中的一道练习了。
您说,这么吵来吵去的,何苦呢?对您言语有偏激之处,见谅!
我在12楼就已经说了题目可能有问题!并且给出了可能存在问题的原因:对总体用均方误来求i回归方程能否叫做最小二乘我是不敢肯定的!并且summerye也强调了题目可能存在问题!
那么你在回帖中反复强调2楼的证明与本题无关!却死咬住题目中要求的“最小二乘”不放!请问这是正确的思维方式吗?你早说总体回归函数的求法不能叫做最小二乘,我们不是早就没有什么分歧了吗?弄得我还以为你跟本不懂总体回归参数以及最小均方误准则呢!差点把我自己当成天才了!
另外,如果你是一开始就意识到题目有问题,那么你的回帖就有一种表达不清的嫌疑,因为让我们认为你没懂一样!希望以后能注意,如果你是几次争锋之后才意识到题目的问题,就应该别顾及面子说清楚!
说这些没别的目的哈!你别再多想!是因为看了你在楼上的回帖之后弄得我差点崩溃!————都是一样的想法,造就可以把问题解决了的,却弄得口水满天,耽误了你也耽误了我很多时间,并且会让一些人觉得我们很没素质!
你大度点向summerye道个歉吧!学术争锋不涉及人品评论!以后大家继续切磋!但是千万别再闹出这样的笑话了!
最后结论我斗胆替你总结一下吧:如果题目中去掉“最小二乘”的说法,则summerye给出的计算是对的!(战且不管出处了好吧??)
我来总结下吧!
先回顾下所有的贴,看看矛盾是从哪开始的,为什么开始!矛盾始终围绕“LS”!在此之前我都保持相当的礼貌!
首先,最早质疑题有问题的人是谁,您去看看。
其次,看看您那位“本科生”做了些什么?
“首先题目就要求用最小二乘法来解答,所以就应该是用ls;”
“如果随机变量之间都存在显性函数关系的话,那还研究计量做什么
直接运用代数把这些显性函数关系算出来就好了,何必做什么最小二乘回归”
您敢说您那位“本科生”知道题目有问题吗?他明白什么是LS吗?什么是计量经济学吗?
我说过,您那位“本科生”只有本科生水平,依据就在上面。他只做了个条件期望,瞎懵的!而下面的证明并非是他给出的。但他多次提到是初学者,出于什么目的?初学者有这样的口气吗?他是有意识地使别人误以为是他证的,您不觉得他人品有问题吗?另外,我说他给出的证明和此题无关错了吗?他旨在用此来说明他做的正是“纯种的最小二乘法!
我用“狗”这个通俗的比喻耐心地告诉他,他的逻辑有问题,他的回应是什么?
如果他真的是您的学生,那么我来告诉您,这种学生是不值得教的,无知可以变有知,但无德却难于变有德!虽然我不明白您俩到底是什么关系。
您在看看您自己的贴,是不是没找到矛盾的关键,而过来一味地指责,特别是对一位教计量的教师!
不用您费心,如果把题改了怎么样?问题是为什么您和他在此之前不提出这观点呢?最终还是要我明着提出呢?
哎,再一次忍着脾气要修养!
提到人品和学术,多说句。
人品不好的人,学术上不可能有很高的成就的;如果人品不好的人最终能在学术上混出个名气,那也只是个“欺世盗名”的家伙!并且他做的东西经不起检验的!
好了,我向你道个歉并希望这个问题就到此打住!了解了您的情况以后,我很想在您那学到下面一点东西
研究计量无论是理论还是应用,基本都假定变量之间的关系是显性的,而参数是未知的;而推导出变量之间的一显性关系式是经济理论与数学的结合的事。
希望你能详细解释一下这句话,希望不吝赐教!在线等!
最好能举个简单明了的例子,因为“显性”这个词容易引起歧义![此贴子已经被作者于2006-1-5 22:26:49编辑过]
我个人之观点,可能有不妥之处。
应用计量就不说了,理论计量我个人认为:古典计量和现代计量都假定变量之间的关系是显性的,而参数是未知的,有时变量都可能是随机变量,或称内生变量;有时变量之间的关系是非线性的,有时认为参数是在变的,或说是有漂移的(draft),但不管怎么说,变量之间的关系式却是确定的。对于参数估计方法,从OLS,NLS。。。一直发展到了GMM,semi-parameter and non-parameter estimate method et al.
若我理解有误,请不吝赐教!
边想边回应吧。
另外,计量研究前沿中有个方向,that is ,model specification test,是用来研究方程的形式是否设定得当,但采用的仍是对model中的部分参数进行检验,此时检验所用的数据往往由计算机simulation产生,然后会用到检验的功效(power of test),即概率中的1-beta(第二类错误)
PS,不要以为我又在摆谱,只是告诉您,我所知的一些东西;我在这以前主动地公开地说过,至今我没成果,也找不到研究的方向。
你反复强调模型形式,我也反复思考过这个问题!
我的想法请你指教:如果两个变量都是随机的,且总体联合分布已知,那么回归问题就是求条件期望(如我贴出的陈老的书上所言)。关键在于我们不知道总体的联合分布,而是在现实中只得到一组样本!那么目的就在于根据样本来估计总体回归函数——条件期望(包括函数形式和未知参数),您或许会说回归函数的形式要根据经济理论来选择,我以前也是这么想的,但是从搂主这个帖子中我又感觉到,对于两个随机的变量,回归函数的形式取决于总体的联合分布,那么,经济理论可以告诉我们总体的联合分布吗?经济理论给出的方程都是确定的,我们建立计量模型只需加入一个随机扰动项,但是从联合分布的角度讲,二者的关系又不是确定的??
哎,越写越乱了!或许你觉得我的疑问很白吃,但是诚恳希望你谈谈想法————我不知道我是否向协整的本质靠近了一点!
扫码加好友,拉您进群



收藏
