第七章相关与回归试卷.pptVIP

1、总体回归函数（PRF） （2）举例说明：消费函数 式中Yt表示消费支出， Xt表示可支配收入。 为基础消费水平的支出，不受可支配收入的影响， 为边际消费倾向，表明可支配收入每增加一个单位，消费支出增加的数量。此处，可支配收入是决定消费支出的主要因素，图中可表示为一条直线，但现实中确定型的消费函数很难成立，原因是除收入外还有各种因素影响消费支出。 * 第七章 相关与回归分析 * 2、样本回归函数（SRF） 概念： ●Y的样本观测值的条件均值随自变量X而变动的轨迹，称为样本回归线。 ●如果把因变量Y的样本条件均值表示为自变量X的某种函数，这个函数称为样本回归函数简记为SRF）。 表现形式：线性样本回归函数可表示为 或者 * 第七章 相关与回归分析 * 3、样本回归函数与总体回归函数的关系 ——相互联系 ● 样本回归函数的函数形式应与设定的总体回归函数的函数形式一致 。 ● 和 是对总体回归函数参数的估计。 ● 是对总体条件期望 的估计 ● 残差 e 在概念上类似总体回归函数中的随机误差u。 回归分析的目的： 用样本回归函数去估计总体回归函数。 * 第七章 相关与回归分析 * 3、样本回归函数与总体回归函数的关系  ——相互区别 ●总体回归函数虽然未知，但它是确定的； 样本回归线随抽样波动而变化，可以有许多条。 ●样本回归线还不是总体回归线，至多只是未知总体回归线的近似表现。 ●总体回归函数的参数虽未知，但是确定的常数； 样本回归函数的参数可估计，但是随抽样而变化的随机变量。 ●总体回归函数中的 是不可直接观测的； 而样本回归函数中的 是只要估计出样本回归的参数就可以计算的数值。 * 第七章 相关与回归分析 * 4、误差项的基本假定 随机误差项 是无法直接观测的。为了进行回归分析，对其概率分布提出假定： 假定1：零均值假定，即误差项的期望值为0 。 假定2：同方差假定，即误差项的方差为常数。 假定3：无自相关假定，即误差项之间不存在序列相关关系，其协方差为0。 * 第七章 相关与回归分析 * 4、误差项的基本假定 假定4：随机扰动 与自变量 不相关，即自变量是给定的变量，与随机误差项线性无关。 假定5：正态性假定，随机误差项服从正态分布 以上假定是德国数学家高斯最早提出，又称高斯假定。 满足以上标准假定的一元线性回归模型，称为标准的一元线性回归模型。 * 第七章 相关与回归分析 * 二、一元线性回归模型的估计 把握以下问题： 1、回归系数的估计； 2、拟合优度的度量 3、可决系数与相关系数的关系 * 第七章 相关与回归分析 * 1、回归系数的估计 （1）根据样本资料确定样本回归方程时，一般希望Y的估计值尽可能接近其真实值，即ei的总量越小越好，但有正负，代数和为0（∑ ei =0），通常用∑ ei2作为衡量总偏差的尺度。所谓最小二乘法根据这一思路，使残差平方和最小来估计回归系数。 （2）设 为使Q最小，对 求偏导数，令其为0，得： * 第七章 相关与回归分析 * 1、回归系数的估计 （2） 整理后有： 称为标准方程组，n为样本容量，解方程组得： * 第七章 相关与回归分析 * 1、回归系数的估计 （3）可以证明： 证明： 设 得到： * 第七章 相关与回归分析 * 例子 根据15个居民家庭的人均月食品支出与人均月收入水平的数据，估计食品支出的恩格尔函数。 解：最简单的恩格尔函数假定在商品价格不变的条件下，实际的食品支出Y与实际的收入水平X间的关系可以用一元线性回归模型反映。根据Y和X的数据计算有关统计量，列在表中， * 第七章 相关与回归分析 * 编号 X Y XY X2 Y2 1 102 27 2754 10404 729 2 96 26 2496 9216 676 3 97 25 2425 9409 625 4 102 28 2856 10404 784 5 91 27 2457 8281 729 6 158 36 5688 24964 1296 7 54 19 1026 2916 361 8 83 26 2158 6889 676 9 123 31 3813 15129 961 10 106 31 3286 11236 961 11 129 34 4386 16641 1156 12 138 38 5244 19044 1444 13 81 2