第二章 简单线性回归模型(西财教材).docVIP

第二章 简单线性回归模型 第一节 回归分析与回归方程 一、回归与相关 1、变量之间的关系 函数关系：，其中y为应变量，x为自变量。 相关关系或统计关系（双向因果关系）：当一个或若干个变量x变化时，y发生相应的变化（可能是不确定的），反之亦然。 单向因果关系：，其中u为随机变量。单一线性函数要求变量具有单向因果关系。 2、函数关系与相关关系的互相转化 3、相关关系的类型 简单相关； 复相关或多重相关； 线性相关； 非线性相关； 正相关； 负相关； 不相关。 上述相关类型可直观地用（EViews软件）画图形来判断。例如，美国个人可支配收入与个人消费支出之间的相关关系可由下列图形看出，它们为正相关关系。 其中，PDI为（美）个人可支配收入，PCE为个人消费支出。 PROFIT对STOCK的折线图为 其中，STOCK为（美）公司股票利息，PROFIT为公司税后利润。 以下是利润与股息分别对时间的序列图（或称趋势图） GDP对M2的折线图为 其中M2为（中国）广义货币供应量，GDP为国内生产总值。 LM2对LPP的曲线图为 其中，LPP为（中国）季度物价指数，LM2为季度广义货币供应量，变量前L表示对变量取了对数。 4、相关关系的度量（相关程度） 总体相关系数 （记号） 样本相关系数： （记号+表达式） ③ 计算相关系数应注意的问题： ●。 ●这里只是说明线性相关。 ●是ρ的样本估计值。 ●相关系数仅反映变量之间的线性相关程度，而不反映它们之间的（单向）因果关系，原因是相关关系反映的是变量之间的双向因果关系。 ④运用EViews进行相关程度的度量 ●用图形直观地进行判断。 用计算简单相关系数进行判断。 下列表格为PDI与PCE之间地简单相关系数， PDI PCE PDI 1 0.997020834 PCE 0.997020834 1 5、回归的含义 “回归”的古典解释。●Francis Galton（1886年）。●K Pearson（1903年）。 什么是回归分析。依据变量间观测的数据，建立二者变动的具体统计规律，即它们之间的函数形式。 回归分析与相关分析的联系和区别 ●联系是回归分析是建立在相关分析基础之上的；而相关分析的相关系数可以通过回归分析得到。 ●区别是相关分析中的两个变量有可能都是随机的，而回归分析中两个变量，解释变量是非随机的，应变量是随机的；相关分析是通过计算相关系数来度量变量之间的相关程度，而回归分析是通过解释变量的固定值来计算应变量的平均值；相关分析是对称的，而回归分析是非对称的。 二、总体回归函数 1、一个实例 资料见教材第17页——第18页的表2.1和表2.2。 E(Y︱Xi) · · · X1 X2 ……Xi……Xn X E(Y︱Xi)对X的线性回归图 y X1 X2 …… Xn x Y对X的散点图 2、总体回归函数的建立 当解释变量X取定各种值时，Y的条件均值会随着发生相应变动，即 如果这种变动的轨迹是一条直线，即 则 随机扰动项 1、随机误差项的含义 设个别值Yi与Y的条件平均值的差异为，即 或 从而 从上述Yi的表示可以看出，它由两部分组成，一部分为确定性部分，另一部分为非确定部分（即随机误差部分），当随机部分为零时，Y值就等于它的系统部分。如果确定性部分是影响Y的主要部分，则随机部分就应相对小，从而用确定性部分（线性）表示Y才可能成立。 2、产生随机扰动项的原因 ●变量的设定误差。 ●模型的设定误差（单一方程模型和联立方程模型）。 ●数据的误差。 ●偶然因素引起的误差。 样本回归函数 1、从总体中随机地抽取两组样本（见教材第21页）。事实上，在重复抽样的情况下，这样构成的样本可以有无数组。 2、在得到的这两条样本直线中（事实上，这样的样本直