1二章一元线形回归模型.pptVIP

第二章 一元线性回归模型理论与方法;本章主要内容;§2.1 回归分析概述Introduction to Regression Analysis;一、变量间的关系及回归分析的基本概念;1、变量间的关系;△对变量间统计依赖关系的考察主要是通过相关分析(correlation analysis)或回归分析(regression analysis)来完成的：;△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。 这里前一个变量被称为被解释变量（Explained Variable）或因变量、相依变量（Dependent Variable），后一个（些）变量被称为解释变量（Explanatory Variable）或自变量、独立变量（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。 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）根据样本值对模型参数进行估计； （2）对回归方程、参数估计值进行检验； （3）利用回归方程进行分析、评价及预测。;二、总体回归函数;⒈例子;; 由于调查的完备性，给定收入水平X的消费支出Y的分布是确定的，即以X的给定值为条件的Y的条件分布（Conditional distribution）是已知的，如： P(Y=550|X=800）=1/5。 因此，给定收入X的值Xi，可得消费支出Y的条件均值（conditional mean）或条件期望（conditional expectation）：; 从散点图发现：随着收入的增加，消费“平均地说”也在增加，且Y的条件均值均落在一根正斜率的直线上。这条直线称为总体回归线。;⒊ 概念; 回归函数（PRF）说明被解释变量Y的平均状态（总体条件期望）随解释变量X变化的规律。 函数形式可以是线性或非线性的。;三、随机扰动项;⒈随机扰动项的引入;由（2.1.2）式，个别家庭的消费支出为：;（2.1.3）式称为总体回归函数（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。 由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。;⒉ 随机误差项的影响因素;四、样本回归函数（SRF）;⒈问题的提出 由于总体的信息往往无法掌握，现实的情况只能是在一次观测中得到总体的一组样本。 例2.2：在例2.1的总体中有如下一个样本，问：能否从该样本估计总体回归函数PRF？;该样本的散点图（scatter diagram)：; 注意：这里将（2.1.4）看成（2.1.1）的近似替代。;⒉ 样本回归函数的随机形式/样本回归模型;⒊ 回归分析的主要目的;注意：这里PRF可能永远无法知道。;小结;§2.2 线性回归模型及其普遍性;1、线性回归模型的特征;因此，一个更符合实际的数学描述为： C = ? + ?Y+? (2.2.2) 其中： ? 是一个随机误差项，是其他影响因素的“综合体”。 线性回归模型的特征： ⑴ 通过引入随机误差项，将变量之间的关系用一个线性随机方程来描述，并用随机数学的方法来估计方程中的参数； ⑵ 线性回归模型的意义在于将被解释变量分成两部分：确定性部分和非确定性部分。从而被解释变量的特征由解释变量与随机误差项共同决定。; 2、线性回归模型的普遍性;将非线性关系化为线性关系的常用的数学处理方法;⑵ 函数变换;(3)级数展开; 变量置换得到;结论：;§2.3 线性回归模型的经典假设;线性性假设 要求模型关于参数是线性的，关于扰动项是可加的。其更一般形式为： f(y)= h1(x)?1 + h2(x)?2 +…+ hk(x) ?k + ? (2.3.2) 另举两个例子： Y=Ax?e ? ? lny=lnA+ ? lnx+ ? (2.3.3) Y=Ax?+ ? (2.3.4) ;