第2讲一元线性回归分析.pptVIP

朱 晋 第2章 一元线性回归分析 §2.1 ：回归分析及回归模型 §2.2 ：一元线性模型的参数估计 §2.3 ：参数估计值的性质及统计推断 §2.4 ：一元线性模型的统计检验 §2.5 ：一元线性模型的预测 §2.1 ：回归分析及回归模型 “回归” 一词的历史渊源 “回归”一词最早由Francis Galton引入。 Galton发现，虽然父母的身高对子女的身高起到决定性作用，但给定父母的身高后，他们儿女辈的平均身高却趋向于或者“回归”到社会平均水平。Galton的普遍回归定律（law of universal regression)。 Galton的朋友Karl Pearson通过收集一些家庭的1000多名成员的父子身高数据，证明儿子确实“回归到中等（regression to mediocrity)” 2.1.1、变量间的关系 确定性关系或函数关系：研究的是确定现象非随机变量间的关系。 统计依赖或相关关系：研究的是非确定现象随机变量间的关系。 △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； 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）或应变量（Dependent Variable），后一个（些）变量被称为解释变量（Explanatory Variable）或自变量（Independent Variable）。 回归分析 回归分析通过样本数据讨论解释变量与被解释变量之间因果关系的数学联系式，即有总体回归模型： 利用样本观察值找出参数 和 的估计值，得到样本回归模型： 检验估计值的性质，并利用样本回归模型分析被解释变量的总体平均规律。 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）根据样本观察值对计量经济模型参数进行估计，求得回归方程； （2）对回归方程、参数估计值进行检验； （3）利用回归方程进行分析、评价及预测。 2.1.2 总体回归函数(PRF) 由于不确定因素的影响，对同一收入水平X，不同家庭的消费支出不完全相同； 但由于调查的完备性，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。 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。 2.1.3 随机扰动（误差）项 ⒈随机扰动项的引入 总体回归函数说明在给定的收入水平Xi下，该社区家庭平均的消费支出水平。 但对某一个别的家庭，其消费支出可能与该平均水平有偏差。记 由（2.1.2）式，个别家庭的消费支出为： ２、随机误差项 产生的原因： 1）理论的含糊性； 2）数据的欠缺； 3）节省原则 随机误差项主要包括下列因素的影响： （1）在解释变量中被忽略的因素的影响； （2）变量观测值的观测误差的影响； （3）模型关系的设定误差的影响； （4）其他随机因素的影响。 3、总体线性回归模型(2.1.3)的基本假设有： 1、随机误差项的均值为零 2、随机误差项各分量的方差相等（等方差） 3、随机误差项在不同样本点之间是独立的，不存在序列相关。即 4、随机误差项与解释变量之间不相关。即 5、解释变量x为确定性变量（非随机变量）。 6、随机误差项服从正态分布。 ~ yi，ui为随机变量，xi为确定性变量， yi和xi有样本值， 是待