第三节双变量回归模型的估计问题.pptVIP

二、经典线性回归模型： 最小二乘法的基本假定 6. 干扰项 u 与解释变量X 的协方差为零； 7. 观测的次数必须大于待估参数的个数； 8. X 的值要有变异性； 9. 正确地设定模型； 10. 没有完全的多重共线性。 第三节 双变量回归模型的估计问题（8） 三、最小二乘估计的精度或标准差 第三节 双变量回归模型的估计问题（9） 四、高斯—马尔可夫定理 1.线性性 2.无偏性 3.有效性 第三节 双变量回归模型的估计问题（10） true 第四节 判定系数R2 :“拟合优度”的度量 （一）判定系数的意义 第三节 双变量回归模型的估计问题（11） （二）判定系数R2的计算 1.总平方和（TSS）的计算及分解 2.判定系数R2的计算公式 3.判定系数R2与相关系数的关系 4.相关系数r 的性质 第五节 两个说明性例子 例一：平均小时工资与受教育水平之间的关系 例二：印度的食物支出 一、回归分析的基本性质 二、双变量回归分析基本概念 三、双变量回归分析估计方法 第二章　双变量回归模型及其估计问题 四、样本回归方程的拟合效果 第一节 回归分析的性质 一、回归释义 回归分析是关于研究一个叫应变量的变量对另一个或几个中解释变量的变量的依赖关系，其目的在于通过后者的已知值或设定值去估计和预测前者的数值。 第一节 回归分析的性质（1） 例1：Francis Galton 的普遍回归定律 例2：边际消费倾向 例3：广告费用与产品销售的关系 × × × × × × × × × × × × × × × × × × × × × × × Y X 二、统计关系与确定关系 统计关系处理的是随机变量，而确定关系处理的是确定性的变量。 第一节 回归分析的性质（2） 消费支出 Y 55 60 65 70 75 　 　 65 79 80 70 84 93 74 90 95 80 94 103 85 98 108 88 　 113 　 　 115 收入X 80 100 120 140 X Y 1 17 2 22 3 27 4 32 5 37 6 42 7 47 8 52 9 57 10 62 三、回归与因果关系 回归分析研究的是一个变量对另一个或几个称为解释变量的依赖关系，却不一定是因果关系。 四、回归分析与相关分析 相关分析的主要目的在于研究变量之间统计线性关联的程度，将变量均视为随机变量。 回归分析的主要目的在于研究变量之间统计关联的形式，目的在于揭示被解释变量如何依赖解释变量的变化而变化的规律，将解释变量视为确定性的，而将被解释变量视为随机变量。 第一节 回归分析的性质（3） 第二节 双变量回归分析基本概念 一、一个人为的例子 例：假定一个总体由60户家庭组成。为了研究每周家庭消费支出Y与每周税后可支配收入X的关系，将他们划分为10组。 第二节 双变量回归分析的基本概念（1） 消费支出 Y 55 60 65 70 75 　 　 65 79 80 102 110 120 135 137 150 70 84 93 107 115 136 137 145 152 74 90 95 110 120 140 140 155 175 80 94 103 116 130 144 152 165 178 85 98 108 118 135 145 157 175 180 88 　 113 125 140 　 160 189 185 　 　 115 　 　 　 162 　 191 收入X 80 100 120 140 160 180 200 220 240 260 可支配收入X 消费支出 Y 每周家庭消费支出Y与每周税后可支配收入X散点图 二、总体回归函数(PRF) E (Y|X) = f ( X ) E (Y|X) =b1 +b2 X 三、线性的含义 对变量为线性 对参数为线性 第二节 双变量回归分析的基本概念（2） E (Y|X ) =b1+b2X E (Y|X ) =b1+b2lnX 可支配收入X 消费支出 Y 三、总体回归函数的随机设定 u = Y - E (Y | X ) Y = E (Y|X) + u 系统变化部分 非系统变化部分 第二节 双变量回归分析的基本概念（3） 四、随机干扰项的意义 干扰项 u 是从模型中省略下来的而又集体地影响着Y 的全部变量的替代物。 1.理论的含糊性 2.数据的欠缺 3.核心变量与周边变量 4.人为行为的内在随机性 5.糟糕的替代变量 6.节省原则 7.错误的函数形式 第二节 双变量回归分析的基本概念（4） 五、样本回归函数(SRF) E (Y | X ) = b1 + b2