第二章双变量回归分析：一些基本概念.pptVIP

第2章 双变量回归分析： 一些基本概念 ; 回归分析是要根据解释变量的已知或给定值，去估计或预测因变量的总体均值 假如我们要研究每周家庭消费支出Y与每周可支配的家庭收入X之间的关系 假设这个国家的家体的总体由60户家庭组成。可以按收入的高低把这60户家庭分组，每一组的组内收入相差不大。假定我们得到的观察值如表2.1所示;一个例子 表2.1 X：每周家庭收入（$） ; 表2.1的含义：它给出了以X的给定值为条件的Y值的条件分布（conditional distribution） 因为表2.1代表一个总体，我们可以从表中计算出给定X的Y的概率，这在统计上叫做什么？ 比如： ; 对Y的每一个条件概率分布，我们所计算出它的均值（mean或average value），称为条件均值（conditional mean）或条件期望（conditional expectation），记做： 比如，给定X＝80 ; 散点图表明对应于各个X值的Y的条件分布，它表明随着收入的增加，消费支出平均地说也在增加。 Y的条件均值随X增加而增加。图中的粗圆点（大的黑点）表示Y的各个条件均值 Y的条件均值落在一条正斜率的直线上，这条线叫总体回归线（population regression line or curve），它代表Y对X的回归 从几何意义上讲，总体回归曲线就是，当解释变量取给定值时，因变量的条件均值或条件期望的轨迹 ;图2.1可以画成图2.2的形式 可见，对应于每一个Xi都有一个Y值的总体和一个相应的条件均值。而回归直线（曲线）正好穿过这些条件均值 ;总体回归函数（PRF，population regression function） 由图2.1和图2.2可见，每一个条件均值都是 的一个函数，即： （2.2.1） 这个方程就叫做（双变量的）总体回归函数（PRF）或简称总体回归（population regression, PR），它表明Y的均值或平均响应（average response）是如何随X而不同 的具体函数形式如何确定是一个经验问题，已知的经济理论可以给我们一些指导。假如， 是 的线性函数： （2.2.2） 和 为回归系数（regression coefficients），（2.2.2）称为线性总体回归函数，或简称线性总体回归。; 在我们的课程中，回归，回归方程和回归模型将不加以区分，作为同义词使用 “线性”一词的含义 （2.2.2）式被称为“线性”总体回归，其中的“线性”的含义是什么？ 它可以作两种解释： （1）对变量为线性 即：Y的条件期望值是 的线性函数，从几何意义上看，这样的回归曲线是一条直线。 诸如： 这样的回归函数，就不是线性的。; （2）对参数为线性 即Y的条件期望 是参数 的一个线性函数；它既可以是也可以不是变量X的线性函数 这样以来， 就是一个线性回归模型， 而 则不是线性的。 在今后的课程中，我们讲的“线性”指的是对参数为线性的情况，对解释变量 则可以是也可以不是线性的。 如： 是一个LRM（linear regression model）; PRF的随机设定 我们现在再回到表2.1和图2.1，可见，随着家庭收入↑，家庭消费支出平均地看也会↑；但是对具体的某一个家庭的消费支出却不一定随收水平↑而↑ 给定收入水平 的个别家庭的消费支出，聚集在收入为 的所有家庭的平均消费支出的周围，也就是围绕着它的条件均值 个别的Yi围绕它的期望值的离差（deviation）可以表示如下： 或 （2.4.1） 离差ui是一个不可观测的随机变量，称之为随机干扰（stochastic disturbance）或随机误差项（stochastic error） ;从计量经济学上看，对于给定的X水平，个别家庭的支出可以分解为两个部分： ①表示收入相同的所有家庭的平均消费支出，称为系统性（systematic）或确定性（deterministic）成分（component）。 ②ui为随机的或非系统性成分（nonsystematic component）。它是代表所有