§21线性回归模型概述.pptVIP

01-2-28 重庆商学院经济系 第二章 单方程计量经济模型理论与方法 模型中只包含一个方程 应用最广泛的模型 联立方程模型理论与方法的基础 第二章内容 §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 多元线性回归模型的参数估计 §2.4 多元先行回归模型的统计检验 §2.5 多元先行回归模型的置信区间 §2.6 异方差 §2.7 序列相关 §2.8 多重共线 §2.9 随机解释变量问题 §2.10 单方程计量经济模型综合练习 §2.1 线性回归模型概述 一、 线性回归模型的特征 二、 线性回归的普遍性 三、 线性回归模型的基本假设 单方程回归模型概述 单方程回归模型分为；线性和非线性 线性模型（按变量划分）；变量以1次的形式出现 线性模型（按参数划分）；参数以1次的形式出现 线性回归模型是线性模型的一种，参数以1次形式出现，通常可以通过一些变换，将非1次的变量化为1次。 线性回归模型的数学基础；回归分析，企图通过回归模型的形式揭示变量之间的因果关系 线性回归模型是是一类最为普遍的计量经济模型 一、线性回归模型的特征 计量经济模型方法的主导方法是“结构性模型”方法。它以先验的经济理论为指导。 在经济理论指导下，设计理论模型 在统计数据支持下，估计参数、检验参数，使变量间的关系定量化——建立计量经济模型 消费函数模型 凯恩斯绝对收入假设消费理论；消费是由收入唯一确定 实际上消费与收入之间的关系并不是准确实现的。 原因在于： （1）消费受到除收入以外的因素的影响 （2）线性关系是一种近似关系 （3）收入数字的近似 为了更准确、符合实际地描述消费与收入间的关系，引入随机误差（从经济学的角度说明为什么要引入） 综合归纳—用统计学方法去认识消费函数 通过调查全部家庭来认识某一个群体的消费行为 尽管相同的收入对应着不同的消费，但是这些消费的条件数学期望居然落在由收入唯一确定的直线上 运用统计学综合归纳的方法，数学期望乃是最容易发生的，是它们的代表值。消费平均数与收入的关系乃是消费与收入之间的本质关系。 总体分布 总体回归曲线（Popular Regression Curve） 条件分布：以X取定值为条件的Y的条件分布 条件概率：给定X的Y的概率，记为P(Y|X)。 例如，P(Y=55|X=80)=1/5；P（Y=150|X=260）=1/7。 条件期望（conditional Expectation）：给定X的Y的期望值，记为E(Y|X)。 例如，E(Y|X=80)=55×1/5＋60×1/5＋65×1/5＋70×1/5＋75×1/5＝65 （总体回归曲线的几何意义）：当解释变量给定值时因变量的条件期望值的轨迹。 总体回归曲线的几何意义 当解释变量X（收入）给定值时被解释变量Y（消费）的条件期望值的轨迹 这条曲线居然是一条由收入X确定的直线: Y = 17 + 0.6*X 结论与凯恩斯的绝对收入假设消费理论吻合。 总体回归函数（PRF） E(Y|Xi)=f(Xi) 当PRF的函数形式为线性函数，则有， E(Y|Xi)=?0+?1Xi 其中?0和?1为未知而固定的参数，称为回归系数。?0和?1也分别称为截距和斜率系数。 PRF的随机设定——全面描述总体 将个别的Yi围绕其期望值的离差(Deviation)表述如下： ui=Yi-E(Y|Xi) 或Yi=E(Y|Xi)+ui PRF：Yi=?1+?2Xi+ui=E(Y|Xi)+ui PRF描述总体的本质，加上随机扰动项以后的PRF则是对总体的全面描述 随机干扰项的意义 （1）在解释变量中被忽略的因素 （2）观察误差 （3）模型数学形式设定误差 （4）其他随机因素的影响 样本回归函数 通过调查认识规律的科学方法是抽样调查——通过样本回归模型推断总体回归模型 抽取一个样本（多个样品）运用回归分析方法估计出样本回归模型——样本回归函数 估计量（Estimator） 一个估计量又称统计量，是指一个规则、公式或方法，是用已知的样本所提供的信息去估计总体参数。 统计量是样本的函数，因为抽样是随机的，统计量具有随机性；对一次已经实现的抽样，统计量又是确定的。 在应用中，由估计量算出的数值称为估计值。 样本回归函数的随机形式 样本回归函数的随机形式准确地描述了样本 样本残差是可以计算出来的 残差=实际值-（模型确定的）拟合值 样本回归线的几何意义 二、线性回归模型的普遍意义 “线性”可作两种解释：对变量为线性，对参数为线性。本课程“线性”回归模型一词总是指对参数?为线性的一种回归（即参数只以它的1次方出现）。 虽然经济现象中，因素间关系直接表现为线性的并不很多，但是许多非线性的，可以通过一些简单的数学处理，将非线性的关系化为线