新计量经济学（第二版） 教学课件 林清泉 著 第二版课件及练习题 第四章一元线性回归(一稿)05.06.2.pptVIP

* 在线教务辅导网： 教材其余课件及动画素材请查阅在线教务辅导网 QQ:349134187 或者直接输入下面地址： 第四章 一元线性回归 一、 回归分析 1. 确定性关系 2. 相关关系 3. 回归分析 4. 回归分析的类型 一元线性回归分析 一元非线性回归分析 二元或多元回归线性(非线性)分析 第一节 一元线性回归分析 二、 一元线性回归分析 一元回归考虑的只是两个变量之间的关系 其中?是一个随机变量，它服从正态分布 有时也称它为噪声或随机干扰项, f(x)是x的函数， 当f(x)是x的线性函数时， (一) 线性回归方程 通过一组 的观察值来确定 y与x的（线性）经验关系表达式。 就是本节所要研究的线性回归 设 的内容。 例[4-1] 假设某地区职工平均消费水平和平均收入如表 4-1所示： 120.30 80.00 2004 60.40 45.10 1998 102.00 75.00 2003 55.20 37.00 1997 92.10 66.10 2002 51.30 33.20 1996 80.00 55.50 2001 41.20 35.50 1995 70.00 53.80 2000 35.00 27.30 1994 65.20 47.10 1999 30.00 25.10 1993 平均收入（x） 平均消费支出（y） 年份 平均收入（x） 平均消费支出（y） 年份 表4-1 在平面上选定一直角坐标系，把这12对数据相应的点画在坐标系上，就可以得到散点图。 从图上可以看出，这些点大致分布在某一条直线的两侧，平均收入与平均消费水平之间大体上成线性关系。如果配以一条直线，则可写成： y上方加记号“^”，这是为了区别于的实际值， 是由经验公式得到的得y估计值。 如果 a和b确定了, Y和X关系式就确定了 (二) a 和b 的最小二乘估计 在散点图上随便画一条直线，这条直线在y轴上的截距就是所求的a，直线的斜率就是所求的b. 把这条直线作为y与x的关系式的估计，它的准确度如何? 用什么标准来衡量一条直线作为Y与X关系式效果是好的? 用所找的直线，最“接近”于这12个点作为衡量所找的直线好坏的标准，那怎样才能找到的直线与12个点最接近呢？通用的作法就是最小二乘法。 实际观测值 与 的差异： 取平方得到 把所有观测值 与 差异的平方加总 这个量反映了直线与各点之间总的偏离程度，它随着不同的直线而变化的。也就是随着a和b的不同而不同，所以它是a、b的二元函数， 记为： 要找到两个数 和 ，使二元函数在 在 ， 处达到最小, 即总的偏离程 度最小。 （1） （2） 根据例题[4-1]给定的12对数据 其中常数项表明当收入为零时的必要消费；而系数0.65表明收入每增加一个单位，消费平均增加0.65个单位。 a=4.93 b=0.65 例[4-2] 假设某国的货币供应量与国民收入的历史数据如 表4-2所示： 117 56 2004 77 40 1998 112 52 2003 72 33 1997 100 50 2002 70 36 1996 97 48 2001 60 32 1995 90 46 2000 55 25 1994 84 42 1999 50 20 1993 国民收入(y) 货币供应量(x) 年份 国民收入(y) 货币供应量(x) 年份 表4-2 所求的回归方程为: （三）一元线性回归分析的假设条件 假设1 随机误差项服从均值为0,方差为 的正态分布。 假设2 随机误差项两两不相关 假设3 随机误差项与解释变量X之间不相关 回归线斜率的值为1.9927，表示货币供应量每增加1个 单位，国民收入就增加1.9227个单位。 第二节 线性回归的方差分析 1. 总的平方和分解 其中 对 进行分解 是回归值 与y的观测值的平均 之差的平方和。 其中 一、数值分析 它反映了由于x与y之间存在线性相关关系而引起的回归 值的分散程度，我们称之为回归平方和。 而 称为剩余平方和，它反映了观测值y 偏离回归直线的程 度，这种偏离是由于观测误差等随机因素所引起的。 这样通过平方和的分解把引起数据yi波动的两种原因 在数值上基本上分开了。 二、 线性回归方程的显著