第二章简单线性回归(上).pptVIP

第二章 简单线性回归模型 (上部分) 用计量经济学研究问题的步骤 建立模型 数据收集 参数估计 模型检验 应用模型 本章主要内容： 第一节 回归分析与回归函数 第二节 简单线性回归模型参数的估计 小结 第一节 回归分析与回归函数 本节主要介绍： 一 经济变量之间的关系 二 回归分析 三 总体回归函数 四 随机扰动项 五 样本回归函数 六 习题 一、经济变量之间的关系 确定的函数关系：y＝f（x） 不确定性的统计关系——相关关系 使用相关系数时应注意 ● 和 都是相互对称的随机变量 ●?线性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 计量经济学关心：变量间的因果关系及隐藏在随机性后面的统计规律性，这有赖于回归分析方法 “回归” 一词的历史渊源 “回归”一词最早由Francis Galton引入。 Galton发现，虽然父母的身高对子女的身高起到决定性作用，但给定父母的身高后，他们儿女辈的平均身高却趋向于或者“回归”到社会平均水平。 二、 回归分析 P22：是关于一个变量（被解释变量）对另一个或多个变量（解释变量）依存关系的研究，用适当的数学模型去近似表达或估计变量之间的平均变化关系，其目的是要根据已知的或固定的解释变量的数值，去估计所研究的被解释变量的总体平均值。 只有一个自变量的回归分析称为一元回归分析；多于一个自变量的回归分析称为多元回归分析。 回归线与回归函数 回归函数：应变量 的条件期望 随解释变量 的的变化而有规律的变化，如果把 的条件期望 表现为 的某种函数 这个函数称为回归函数。 回归函数分为：总体回归函数和样本回归函数 回归分析与相关分析的联系和区别 联系：两者相互补充。 区别： 相关分析：不考虑变量之间的因果关系，不区分解释变量和因变量，两变量对称. 所涉及的变量都为随机变量。 回归分析： 需要区分变量之间的因果关系； 则要通过建立回归方程，寻求具体数学形式，去估计（预测）因变量的平均值；因变量是随机变量（有一定的概率分布），自变量是非随机变量。 三、 总体回归函数（PRF ） 因变量Y的条件期望 随着解释变量X的变化而有规律地变化。把这种变化关系用函数表示出来，就是总体回归函数： 此函数称为总体回归函数（PRF，即Population Regression Function） 回归函数在坐标系中用图形表示出来就是回归线。它表示了因变量和解释变量之间的平均关系。 从散点图发现：随着收入的增加，消费“平均地说”也在增加，且Y的条件均值均落在一根正斜率的直线上。这条直线称为总体回归线。 四、 随机扰动项 对于一定的 ，Y的各个个别值 分布在 的周围，其差令为 ，则： 因变量Yi与总体条件均值（期望）E(Y/Xi ） 的偏差（离差）。 对该公式，有 也即： 总体回归模型图解 随机扰动项包括哪些因素 ●未知影响因素的代表 ●无法取得数据的已知影响因素的代表 ●?众多细小影响因素的综合代表 ● 模型的设定误差 ●??变量的观测误差 ●??变量内在随机性 五、 样本回归函数 （SRF） 1、 概念 因变量Y的样本观测值的条件均值表示成解释变量X的某种函数，即为样本回归函数。（其函数形式应该与总体回归函数的函数形式一致。） 例如： 2 、对样本回归函数的说明 每次抽样都能够获得一个样本，就可以拟合一条样本回归线，所以样本回归线随抽样波动而变化，可以有多条。 如课本28页 不同的样本就会有不同的样本回归线 3、残差 定义： 那么有： 对上例，有： 样本回归函数与总体回归函数区别 1、总体回归线是未知的，只有一条。样本回归线是根据样本数据拟合的，每抽取一组样本，便可以拟合一条样本回归线。 2、总体回归函数中的β1和β2是未知的参数，表现为常数。而样本回归函数中的 　是随机变量，其具体数值随所抽取的样本观测值不同而变动。 回归分析的思路 样本 SRF的参数 练