古典回归模型.pptVIP

第二章 回归模型 引例 从2004年中国国际旅游交易会上获悉，到2020年，中国旅游业总收入将达到3000亿美元，相当于GDP的8％至11％。 ？ 是什么决定性因素能使中国旅游业总收入到2020年达到3000亿美元？ 旅游业的发展与这种决定性因素的数量关系究竟如何？ 怎样具体测定旅游业发展与这种决定性因素的数量关系？ 应对考虑的问题 确定作为研究对象的经济变量（如我国旅游业总收入） 分析影响研究对象变动的主要因素（如我国居民收入的增长） 分析各种影响因素与所研究经济现象的相互关系（决定相互联系的数学关系式） 确定所研究的经济问题与影响因素间具体的数量关系（需要特定的方法） 分析并检验所得数量结论的可靠性（多种检验） 运用数量研究结果作经济分析和预测（实际应用） 第一节 古典回归模型 对经济变量相互关系的计量，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。只有一个解释变量的线性回归模型是最简单的，称为简单线性回归模型或一元线性回归模型。本章从一元线性回归模型入手，讨论在基本假定满足的条件下，对经济变量关系计量的基本理论和方法，这也是我们学习的基础。 一、回归分析 ㈠相关与回归（统计学知识介绍） 在统计学中考察经济变量间的依存关系，通常分 ? 确定性的函数 Y=f(X) 函数关系 例子，商品销售量X和销售额Y Y=PX ? 不确定性的随机关系 相关关系 Y=f(X)＋ ? （?为随机变量） 例子，居民消费函数 Y=a+bX+ ? ? 没有关系 ⒈相关关系的表现 对相关关系的描述通常最直观的是座标图 y . . . . . . .. . . .. . . . x ⒉相关关系的类型 ?从涉及的变量数量看 简单相关——只有两个变量的相关关系 多重相关（复相关）——三个或三个以上变量的相关关系。例：某人身高与体重与年龄的关系 ?从变量相关关系的表现形式（可根据散点图） 线性相关 非线性相关 ?从变量相关关系变化的方向 正相关：收入 负相关：价格 不相关 ⒊相关程度的度量 X和Y的总体线性相关系数： X和Y的样本线性相关系数： 相关系数的特点 ⑴相关系数取值在[-1,1] ⑵当r=0时，表明X与Y没有线性相关关系 ⑶当0|r|1时，表明X与Y存在一定的线性相关关系。若r0表明为正相关，r0表明为负相关。 ⑷当|r|＝1时，表明X与Y完全线性相关。 使用相关系数应注意的问题 X和Y 都是相互对称的随机变量。 简单相关系数只反映变量间的线性相关程度，不能说明非线性相关关系。 样本相关系数是总体相关系数的样本估计值，由于抽样波动，样本相关系数是个随机变量，其统计显著性有待检验。 相关系数只能反映线性相关程度，不能确定因果关系，不能说明相关关系具体接近哪条直线 研究变量相互之间的依存关系时，首先需要分析它们是否存在相关关系，随后要明确相关关系的类型，而且还应计量其相关关系的密切程度，在统计上这种分析研究称为相关分析。相关分析主要是指用一个指标（相关系数）去表明现象间相互依存关系的性质和密切程度。 计量经济学关心的是：变量间的因果关系及隐藏在随机性后面的统计规律性，这靠相关分析无法完成.相关分析并不能说明变量间相关关系的具体形式，还不能从一个变量的变化去推测另一个变量的具体变化。这时就需要运用回归分析。 ⒋回归分析 回归的古典意义： 高尔顿在1889年发表的著作《自然的遗传》中，首次提出了回归的概念 （父母身高与孩子身高的关系） 回归的现代意义： 一个应变量对若干解释变量依存关系的研究 回归分析的基本思想: 在相关分析的基础上,对具有相关关系的两个或多个变量之间的数量变化的一般关系进行测定,确定一个相应的数学表达式,以便从一个已知量来推断另一个未知量. 回归的目的（实质）: 由固定的解释变量去估计应变量的平均值。 相关分析与回归分析的联系及区别 联系：二者都是对变量间依存关系的研究，二者可以互相补充。