二章20~1.pptVIP

注意以下概念： ◆Y的条件分布：当解释变量X取某固定值时（条件），Y的 值不确定，Y的不同取值形成一定的分布，这是Y的条件分布。 ◆Y的条件期望：对于X 的每一个取值，对Y所形成的分布 确定其期望或均值，称其为Y的条件期望或条件均值E（Y∣Xi ） ?? ◆回归线：对于每一个X的取值，都有Y的条件期望 E（Y∣Xi ） 与之对应，条件期望的点的轨迹所形成的直线或曲线，称为回归线 ◆回归函数：把Y的条件期望E（Y∣Xi）表现为X的某种函数 E（Y∣Xi ）= f ( Xi ) 这个函数称为回归函数。 回归函数分为：总体回归函数 样本回归函数 2、总体回归函数的表现形式 三、随机扰动项u ◆概念 各个 值与条件均值 的偏差 代表排除 在模型以外的所有因素对Y 的影响。 ◆性质： 是期望为0有一定分布的随机变量. ◆引入随机扰动项的原因 ●??未知影响因素的代表 ●??无法取得数据的已知影响因素的代表 ●??众多细小影响因素的综合代表 ●??模型的设定误差 ●??变量的观测误差 ●??变量内在随机性 四、样本回归函数（Srf） 样本回归线：对于X的一定值，取得Y 的样本观测值，可 计算其条件均值，样本观测值条件均值的轨迹，称为样本回归线。 样本回归函数：如果把应变量Y的样本条件均值表示为解释 变量X的某种函数，这个函数称为样本回归函数（SRF）。 Y X SRF的特点 ◆每次抽样都能获得一个样本，就可以拟合一条样本回归线， 所以样本回归线随抽样波动而变化，可以有许多条（SRF不唯一） Y SRF1 SRF2 X ◆样本回归函数的函数形式应与设定的总体回归函数的函数 形式一致。 ◆样本回归线还不是总体回归线，至多只是未知总体回归线的 近似表现。 对样本回归的理解 如果能够获得 和 的数值，显然: ● 和 是对总体回归函数参数 和