第二章简单线性回归模型解说.pptVIP

第二章简单线性回归模型 本章讨论: 简单线性回归模型的研究方式 ?回归分析的基本概念 ?简单线性回归模型参数的估计 ?参数的区间估计和假设检验 ?回归方程的拟合优度?回归模型预测 例如：旅游人数与居民收入的关系？  旅游人数Y 居民平均收入X Y=f(X) ? 2、相关关系 ◆ 相关关系的描述 最直观的描述方式——坐标图（散布图） Y ? ? ? ? ? X 函数关系与相关关系的相互联系 （存在测量误差表现为） 函数关系 相关关系 （纳入所有因素近似地描述为） 相关关系的类型  ●???? 从涉及的变量数量看 简单相关 多重相关（复相关） ●???? 从变量相关关系的表现形式看 线性相关——散布图接近一条直线 非线性相关——散布图接近一条曲线 ●???? 从变量相关关系变化的方向看 正相关——变量同方向变化，同增同减 负相关——变量反方向变化，一增一减 不相关 使用相关系数时应注意 ●? X和Y 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 计量经济学关心的问题：变量间的因果关系及隐藏在随机性后面的统计规律性，有赖于回归分析方法 1 ●回归线：对于每一个X的取值 ，都有Y的条件期望E（Y∣ ）与之对应，代表Y的条件期望的点的轨迹形成的直线或曲线称为回归线。 ●回归函数：应变量Y的条件期望E（Y∣ ）随解释变量X的变化而有规律的变化，如果把Y的条件期望E（Y∣ ）表现为X的某种函数 E（Y∣ ）=f ( ) 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 二、总体回归函数（PRF） 举例：假如已知100个家庭构成的总体 (P24表2.1) 3、如何理解总体回归函数 ●实际的经济研究中总体回归函数通常是未知的，只能根据经济理论和实践经验去设定。“计量”的目的是寻求PRF。 ●总体回归函数中Y与X的关系可是线性的，也可是非线性的。 ●线性回归模型的“线性” 有两种解释： 就变量而言是线性的 ——Y的条件均值是X的线性函数 就参数而言是线性的 ——Y的条件均值是参数β的线性函数 三、随机扰动项u ◆概念 各个 值与条件均值 的偏差 代表排除在模型以外的 所有因素对Y的影响。 ◆性质 是期望为0有一定分布的随机变量 重要性：随机扰动项的性质决定着计量经济 　　　　方法的选择 引入随机扰动项的原因 ●??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 四、样本回归函数（SRF） 样本回归线： 对于X的一定值，取得Y 的样本观测值，可计算其条件 均值，样本观测值条件均值的轨迹，称为样本回归线。 样本回归函数： 如果把应变量Y的样本条件均值 Y 表示为解释变量X的某种函数， 这个函数称为样本回归函数 （SRF）。 例如：教材28页 表2·2、表2·3 、图2.4 X