ch2_the_simple_regression_model_c.pptVIP

CHAPTER 2The Simple linear Regression model简单线性回归模型 Risk varies inversely with knowledge. Irving Fisher: The theory of Interest (1930) 2.1 简单线性回归模型的界定Definition of The Simple Regression Model 1.1 简单线性回归模型概要 设y和x是代表某个总体的两个变量，那么, x变化会对y产生什么影响？或者说，x变化对y的变化会产生什么影响。 2.1 简单线性回归模型的界定Definition of The Simple Regression Model 1.1 简单线性回归模型概要 具体化过程要考虑的三个问题： （1）如何剔除其它因素对y的影响，或者说，如何考虑其它因素对y的影响？ （2） x和y之间以什么样的方式相互影响，或者说， x和y之间的函数关系是什么？ （3）我们如何能够确信我们得到的对y的影响是在剔除了其它因素之后的净影响。 2.1 简单线性回归模型的界定Definition of The Simple Regression Model (1)式是在某个总体(population)中成立的关系 简单线性回归模型(simple linear regression model) ； 或两变量线性回归模型(two-variable linear regression model) 或双变量线性回归模型(bivariate linear regression model) （1）式中的变量和具有各种可以交替使用的名称 (1)式中的u被称为误差项或扰动项(error term or disturbance) （1）式表明了在其它条件不变情况下 x对 y的影响 （1）式中的 和 被称为回归模型或方程的参数 EXAMPLE 2.1 大豆产出与肥料SOYBEAN YIELD AND FERTILIZER Suppose that soybean yield is determined by the model EXAMPLE 公众满意度模型citizen Satisfaction with Bureaucracy Suppose that citizen satisfaction with bureaucracy is determined by the model 1.2 线性(linearity)的涵义 两种线性定义 关于变量是线性的 关于参数是线性的 1.3简单线性回归方程的重要假设 简单线性回归模型的关键假设是总体中误差项u的期望（平均）值不依赖于x，或u的期望（平均）值与x无关，即 Example:绩效、Weberian and工资方程 1.4 误差项的意义 为什么不将那些包含在随机误差项中的因素，作为解释变量包含在回归方程中呢？ 理论上的界定不清（vagueness of theory） 数据可得性的限制（unavailability of data） 核心变量与边缘变量（core variables versus peripheral variables） 1.4 误差项的意义 内在随机性（intrinsic randomness in human behavior） 不良的代理变量（poor proxy variables） 简洁性原则（principle of parsimony） 不正确的函数形式（wrong functional form） 1.4 总体回归方程与样本回归方程 研究对象的界定 总体回归方程(population regression function, PRF) 或总体回归模型(population regression model) Assumption (2.6) gives beta one another interpretation that is often useful. Taking the expected value of (2.1) conditional on x and using (2.6) gives Population regression function (PRF) 样本回归方程 = 2.2 普通最小二乘估计方法Method of Ordinary Least Squares Estimation This is an example of the method of moments approach to estimation. (2.17)