线性回归模型(计量经济学北京师范大学,刘泽云)介绍.ppt

第三讲 线性回归模型Linear Regression Model 一、基本概念 二、二元线性回归模型 三、多元线性回归模型 四、回归模型的函数形式 五、包含虚拟变量的回归模型 回归的涵义 regress: return to an earlier or more primary form or state 最初的涵义：“回归”一词最早由英国生理学家高尔顿（Galton,1886）提出，用以指儿女的身高有回复到人口总体平均身高的趋势。 回归分析研究因变量对一个或多个自变量的依赖关系，其用意在于通过后者的已知值，去估计或预测前者的总体均值（古扎拉蒂，1995） 回归的涵义 例子 总体回归函数和样本回归函数 总体回归函数（population regression function,PRF） 总体：北京师范大学全体教职工（3000人） 问题：北京师范大学教职工的工资W与受教育年限S的关系 总体回归函数和样本回归函数 总体回归函数的另一种表述 误差（error）的来源 其他解释变量的影响 测量误差 人类行为的随机性 总体回归函数和样本回归函数 总体回归函数图解 总体回归函数和样本回归函数 样本回归函数（sample regression function,SRF） 样本：从上述总体中随机抽取了100人 问题：根据样本数据估计总体中工资W与受教育年限S的关系 总体回归函数和样本回归函数 样本回归函数的另一种表述 总体回归函数和样本回归函数 图解 总体回归函数和样本回归函数 小结 回归分析中的常用术语 线性模型（Linear model）：所谓线性，是指对参数是线性的，并非指对变量是线性的。 回归分析中的常用术语 回归分析中的常用术语 相关与回归（correlation regression） 从逻辑上说，回归分析本身并不意味着因果关系，对因果关系的判断来源于经济理论 回归分析中的常用术语 确定性关系（deterministic relationship） ——处理确定性变量 统计关系（statistical relationship） ——处理随机变量（random/stochastic variable） 经济数据的分类 根据数据的结构 时间序列数据（time series data） 横截面数据（cross-sectional data） 混合数据（pooled data） 平面板数据/综列数据（panel data） 根据数据的性质 定类变量（nominal/categorical variable） 定序变量（ordinal variable） 定距变量（interval variable） 根据数据的来源 非实验/观测数据（non-experimental/observational data） 实验数据（experimental data） 经典线性回归模型 如果线性回归模型满足下列条件，称之为经典线性回归模型（classical linear regression model, CLRM） 上述假定是针对总体回归函数的，而对于样本回归函数，这些假定可能不成立 参数估计 普通最小二乘法（method of ordinary least square,OLS ）的基本思想，就是要找到一组合适的参数估计值，使得因变量的估计值与实际值在总体上最为接近 参数估计 截距系数和斜率系数的OLS估计量（OLS estimator , p.91 ） 参数估计 回归标准误：误差项标准差的估计 参数估计 OLS估计量的方差和标准差（p.101） 有了OLS估计量之后，还应判定估计量离参数真值的平均距离，这就需要对估计量的方差进行估计。这也是以后进行假设检验的要求 参数估计 OLS估计量的方差估计和标准差估计（p.101） 参数估计 OLS估计量的性质： 高斯—马尔科夫定理：在经典线性回归模型的假定下，最小二乘估计量是最优线性无偏估计量（BLUE） 参数估计 例题3.1 已知家庭消费支出C与家庭可支配收入I的相关数据如下： 用最小二乘法估计出以C为因变量的样本回归方程 计算回归标准误和回归系数估计量的标准误 参看：课本p92-94的实例 参数估计 习题3.1 已知1970-1980年美国咖啡的真实价格P（美元/磅）与人均每日咖啡消费量D（杯）的相关数据如下： 请用最小二乘法估计出以D为因变量的样本回归方程 计算回归标准误和回归系数估计量的标准误 参数估计 经典正态线性回归模型 如果仅仅进行参数的点估计，不需要对误差项的概率分布作出假设；但如果要进行区间估计和假设检验，就需要知道误差项的概率分布。 如果经典线性回归模型的误差项