Chapter双变量回归一些基本概念(计量经济学武汉大学,彭红枫).pptVIP

7/12/2003 Hongfeng Peng Department of Finance, Wuhan University Chapter 2 双变量回归：一些基本概念 主讲：彭红枫 武汉大学经济与管理学院金融系 Copyright?Hongfeng Peng 2006 Wuhan University 2.1 一个人为的例子 家庭收入与 家庭消费支出的关系 见P20-22 回顾一下定义： 回归是研究一个因变量对一个或多个自变量的依赖关系的过程，其用意在于通过后者的设定去估计或预测前者的均值（总体均值）。 总体回归线 总体回归线 当解释变量取给定值（不同的一些给定值）时，被解释变量的条件均值的轨迹 。 2.2总体回归函数（PRF） PRF的形式是一个经验问题，线性方程是常用的形式： 2.3 线性的含义 对变量线性 对参数线性 2.4 PRF的随机设定 随着家庭收入的增加，家庭消费支出平均地说也增加。但对单个家庭而言，消费支出与收入之间的关系如何？ 答案：消费不一定随收入的增加而增加。 2.5 随机干扰项的意义 为什么要引入随机干扰项？ 理论的含糊性 数据的缺失 变量的解释力（核心变量与周边变量） 糟糕的替代变量（永久消费与当前消费等） 节省原则 错误的函数形式 PRF的等价形式 2.6 样本回归函数（SRF） 总体是观测不到的，大多数情况下，对应于一个解释变量X，只能观测到被解释变量Y的一个值。 因此，我们只能得到对应于某些固定X值的Y值的一个（有限个）样本（见P33，它是表2.1（P25）的一个样本）。 样本回归函数（SRF） 与总体回归函数对应的样本回归函数： 回归分析的主要目的 根据SRF去估计PRF 从图中可以看出 疑问? 现在，重要的问题是：既然认识到SRF只不过是PRF的一个近似．能不能设计一种规则或方法,使得这种近似是一种尽可能“接近”的近似? 换一种说法,怎样构造SRF能使贝塔的估计值尽可能“接近”真实的贝塔值? 尽管真实的贝塔值永远不得而知! 习题 P35 2.5、2.7 、 2.8 、 2.12 * * 对变量非线性 对参数非线性 * * *