线性回归模型材料.ppt

第二部分 经典单方程计量经济学模型理论与方法 单方程计量经济学模型是相对于联立方程模型而言的，它以单一经济现象为研究对象，模型中只包括一个方程，是应用最为普遍的计量经济学模型。 本章主要内容 §2.1 线性回归模型概述 §2.2 一元线性回归模型的参数估计 §2.3 二元线性回归模型的参数估计 §2.4 多元线性回归模型的参数估计 §2.5 多元线性回归模型的统计检验 §2.6 多元线性回归模型的置信区间 §2.7 异方差性 §2.8 序列相关性 §2.9 多重共线性 §2.10 随机解释变量问题 §2.1 线性回归模型概述 一、回归分析概述 二、线性回归模型的特征 三、线性回归模型的普遍性 四、线性回归模型的基本假设 一、回归分析概述 确定性关系或函数关系：研究的是确定性现象非随机变量间的关系。 统计依赖关系或相关关系：研究的是非确定性现象随机变量间的关系。 △对变量间统计依赖关系的考察主要通过相关分析(correlation analysis)或回归分析(regression analysis)来完成： △几点注意 不线性相关并不意味着不相关； 有相关关系并不意味着一定有因果关系； 相关分析对称地对待任何（ 两个 ）变量，两个变量都被看作是随机的；回归分析对变量的处理方法存在不对称性，即区分因变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。 回归分析是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。其中： 前一个变量被称为被解释变量（Explained Variable）或因变量（Dependent Variable） 后一个（些）变量被称为解释变量（Explanatory Variable）或自变量（Independent Variable） 由于变量间关系的随机性，回归分析关心的是根据解释变量的已知或给定值，考察被解释变量的总体均值，即当解释变量取某个确定值时，与之统计相关的被解释变量所有可能出现的对应值的平均值。 总体回归函数 给定解释变量X的某个确定值Xi，与之统计相关的被解释变量Y的总体均值（期望值）可以表示为： 随机误差项的引入 给定解释变量X的某个确定值Xi ，与之统计相关的被解释变量Y的实际观测值为Yi 。 记 总体回归模型 △ 若总体回归函数（方程）为 则 可以变形为 后者在总体回归函数（方程）的基础上引入了随机项，称为总体回归模型。 随机误差项包括了哪些因素的影响？ 在解释变量中被忽略的因素的影响； 变量观测值的观测误差的影响； 模型关系的设定误差的影响； 设定误差：指设定方程偏离了真实方程，如遗漏了某些重要的解释变量，或引入了不相干的解释变量，或者模型形式设定有问题。 其它随机因素的影响。 产生并设计随机误差项的主要原因 理论的含糊性； 数据的欠缺； 节省原则。 样本回归函数 由于总体的信息往往无法掌握，总体回归函数是未知的。 回归分析的任务就在于，利用对总体的n次观测所得到的一组样本数据，去近似地估计总体回归函数。 这种利用样本数据，采用适当的方法估计得到的总体回归函数的近似形式，就叫做样本回归函数或样本回归方程（sample regression function，SRF）。对应的曲线称为样本回归线（sample regression curves） 例：若总体回归函数为如下线性形式 残差或剩余项 给定解释变量X的某个确定值Xi，根据样本回归函数可以计算出被解释变量Y的估计值 记 则ei被称为残差或剩余项（residual）,它代表了除解释变量外的其他所有因素对Y的影响。 样本回归模型 若样本回归函数为 则 后者在样本回归函数的基础上引入了残差项ei，称为样本回归模型。 ⒊ 回归分析的主要目的 根据样本回归函数（模型）SRF，估计总体回归函数（模型）PRF。 以一元线性回归为例： 二、线性回归模型的特征 一个例子 凯恩斯绝对收入假设消费理论：消费（C）是由收入（Y）唯一决定的，是收入的线性函数： C = ? + ?Y 因此，一个更符合实际的数学描述为： C = ? + ?Y+? 其中： ? 是一个随机误差项，是其他影响因素的“综合体”。 单方程线性回归模型的一般形式 总体回归模型 总体回归方程 样本回归模型 样本回归方程 将非线性关系化为线