第二讲一元线性回归模型.docVIP

第二讲 一元线性回归模型 一、练习题 （一）简答题 1．回归分析的含义和回归分析的用途？ 2．随机误差项的主要来源有哪些？ 3．相关分析与回归分析有哪些主要区别？ 4、在对一元线性回归模型使用OLS进行估计时对随机扰动项作了哪些假定？ （二）分析计算题 对于模型： 从10个观测值中计算出； ， 请回答以下问题： (1)求出模型中和的OLS估计量； (2)当时，计算的预测值。 二/答案 1、回归分析是研究一个变量（称为被解释变量或）对另一个或多个变量（也称为解释变量或自变量的依赖关系，①确定因变量与自变量之间的回归模型，并依据样本观测值对回归模型中的参数进行估计，给出回归方程。②对回归方程中的参数和方程本身进行显著性检验。③评价自变量对因变量的贡献并对其重要性进行判别④利用所求得的回归方程，并根据自变量的给定值对因变量进行预测，对自变量进行控制。①被省略掉而未进入回归方程但又影响着被解释变量的种种因素；②变量的观测误差；③变量替代造成的误差；④模型设定误差；⑤随机误差。 3/首先，二者的研究目的不同。前者主要研究变量之间是否存在线性关系以及这种关系的强弱程度，而后者则是在前者的基础上进一步研究变量之间的联系方式，以便在给定一个或几个变量值的条件下预测或控制另一个变量的值。其次，两者的假设条件不同。相关分析假设研究的两个变量都是随机的而回归分析一般都假设解释变量是确定性的；被解释变量是随机的。再者，变量的地位以及研究方法不同： 4．1、对随机项作了以下假定①E（）=0 （i=12，……，n），即随机误差项分布的均值为零。②Var（）= （i=1,2,③Cov（，）=0，（任意i≠j，i，j =1,2, ……，n），即随机误差项之间互不相关。④～N（0，），即随机误差项服从均值为0,方差为的正态分布。 违背基本假设的计量经济学模型不能使用普通最小二乘法进行估计，所以这些假定是必要的。 （二）分析计算题 （1） 故模型为： （2）当时，的预测值为： 注：小写x与y代表大写X与Y的离均差，即x等于X减去其均值。