第二章 简单线性回归模型-吴慧慧-9.29课题.ppt

第 二 章 一元线性回归模型本章主要讨论 回归分析与回归函数 一元线性回归模型参数的估计 一元线性回归模型的统计检验 回归模型预测 第一节 回归分析概述本节基本内容:●回归与相关●总体回归函数●随机扰动项●样本回归函数对变量间统计相关关系的考察可以通过相关分析来完成的。 具有相关关系的变量间有时存在因果关系，这是，可以通过回归分析研究变量间的具体依存关系 1）不线性相关并不意味着不相关；2）有相关关系并不意味着一定有因果关系；3） 相关分析研究一个变量对另一个（些）变量的统计依赖关系，但它们并不意味着一定有因果关系。4） 相关分析 可以对称地对待任何（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，即区分应变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。 回归分析构成计量经济学的方法论基础，其主要内容包括 （1）根据样本观察值对经济计量模型参数进行估计，求得回归方程； （2）对回归方程、参数估计值进行显著性检验； （3）利用回归方程进行分析、评价及预测。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。 注意几个概念 研究对象的全体称为总体或母体，组成总体的每个基本单位称为个体。 注意：（1）按组成总体个体的多寡分为：有限总体和无限总体； （2）总体具有同质性：每个个体具有共同的观察特征，而与其它总体相区别； （3）度量同一对象得到的数据也构成总体(对每日气温的记录)，数据之间的差异是绝对的，因为存在不可消除的随机测量误差； （4）个体表现为某个数值是随机的，但是，它们取得某个数值的机会是不同的，即它们按一定的规律取值，即它们的取值与确定的概率相对应。 样本和样本容量 总体中抽出若干个个体组成的集体称为样本。 样本中包含的个体的个数称为样本的容量，又称 样本的大小。 注意：抽样是按随机原则选取的，即总体中每个 个体有同样的机会被选入样本。 随机变量 根据概率不同而取不同数值的变量称为随机变量。 注意： （1）一个随机变量具有下列特性：rv 可以取许多不同的数值，取这些数值的概率为p，p满足：0=p=1。 （2）随机变量以一定的概率取到各种可能值，按其取值情况随机变量可分为两类：离散型随机变量和连续型随机变量。离散型随机变量的取值最多可列多个；连续型随机变量的取值充满整个数轴或者某个区间。 离散型随机变量与连续型随机变量 总体、随机变量、样本间的联系 总体就是一个随机变量，所谓样本就是n个（样本容量n）相互独立且与总体有相同分布的随机变量x1，……，xn。 每一次具体抽样所得的数据，就是n元随机变量的一个观察值，记为（X1，……，Xn）。 通过总体的分布可以把总体和样本连接起来。 样本与总体之间的关系 样本是总体的一部分，是对 总体随机抽样后得到的集合。 对观察者而言，总体是不 了解的，了解的只是样本 的具体情况。我们所要做 的就是通过对这些具体样 本的情况的研究，来推知整 个总体的情况。 回归函数：应变量的条件期望随解释变量 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 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，其具体函数形式只能根据经济理论和实践经验去设定。“计量”的目的就是寻求PRF。 总体回归函数中 的条件均值与 的关系可是线性的，也可是非线性的。 对线性回归模型的“线性”有两种解释 就变量而言是线性的—— 的条件均值是 的线性函数 就参数而言是线性的—— 的条件均值是参数的线性函数 2.1.3 随机扰动项 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 的影响。 性质： 是期望为0有一定分布的不可观测的随机 变量（*）式称为一元总体回归函数（方程）PRF的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。 仍以例2.1.1为例，从该总体中按每组可支配收入水平各取一个家庭进行观测，得到一个样本（见课本表2.1.3） 该样本的散点图：样本散点图近似于一条直线，画一条直线以尽好地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。该线称为一元样本回归线（sample regression lines）。 SRF 的特点 每次抽样都能获得一个样本，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，可以有许多条（SRF不唯一）。样本回归函数的函数形式应与设定的总体回归函数的函