计量经济学精要2汇编.ppt

* * * * * * * * * * * * * * * * * * * 第二章 线性回归的基本思想： 双变量模型 * 一、回归的含义 变量间的关系 （1）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。 （2）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。 农作物产量与气温、降雨量、阳光、施肥量 圆面积=f(?，r)= ? r2 * 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。 回归分析是用来研究一个变量(称之为被解释变量(explained variable)或应变量(dependent variable) )与另一个或多个变量(称为解释变量(explanatory variable) 或自变量(independent variable) )之间的关系。 * 统计依赖关系 线性相关 非线性相关 正相关 不相关 负相关 正相关 不相关 负相关 * 相关、回归与因果关系 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。 比如说我们收集了近20年来中国的离婚率和犯罪率的数据，发现离婚率越高犯罪率越高。那么可以直接推出离婚的人更容易有犯罪倾向吗？ 因为二者都是时间序列（time series）数据，离婚率和犯罪率都会随着时间推移而逐渐上升，也就是说离婚率越高，说明数据的时间节点越晚，而对应的犯罪率就会越高。 如果做一下房价和手机使用率的相关关系，在过去的这二十几年里面，它们也是正相关。那为了能买得起房子是不是少用点儿手机就可以了呢？ 回归分析/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。也就是说，它并不意味着自变量是原因，而应变量是结果。 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。 年龄与身高 * * 回归分析可以用来： 通过自变量的值来估计应变量的均值。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。 房价 下页例子 (2) 检验假设（根据经济理论建立适当的假设）。 (3) 通过样本外自变量的值，对应变量的均值进行预测。 (4) 上述多个目标的综合。 *（注意(1)和(3)的区别） * 例：每周博彩支出和个人可支配收入 个人可 支配收入 （美元） 　 每周博彩支出　 消费者 150 175 200 225 250 275 300 325 350 375 1 28 33 35 36 38 40 42 43 45 46 2 27 31 31 34 36 37 39 35 39 40 3 25 29 30 31 33 32 34 31 33 34 4 33 27 28 29 30 30 31 30 30 31 5 23 24 26 27 28 29 30 29 27 28 6 15 20 22 26 25 27 29 33 30 32 7 18 18 20 23 23 25 26 32 28 30 8 12 15 17 21 22 22 24 30 32 31 9 13 14 16 18 20 18 25 31 32 33 10 15 10 19 16 18 32 23 25 34 31 均值 20.9 22.1 24.4 26.1 27.3 29.2 30.3 31.9 33 33.6 * 每周博彩支出和个人可支配收入散点图 * 二、总体回归函数：一个假设的例子 表5-1给出了这些消费者对widget（小器具，装饰品）的需求量。（多次调查得到的55种调查结果） * 数据作散点图(图5 - 1) * 总体回归直线（对均值做回归得到的） 可用函数的形式表示： B1，B2为参数(parameters)，也称为回归系数(regression coefficients)。B1又称为截距(intercept)，B2又称为斜率(slope)。斜率度量了X每变动一单位，Y的均值的变化率。 * 三、总体回归函数的随机设定 随机总体回归函数 其中，ui表示随机误差项(stochastic, random error term)或简称为误差项。 解释：在某一价格水平上，个人的需求量，比如第i个人的需求量，可看做两部分之和：( 1) (B1+B2Xi)，第i个子总体的平均需求量，也即在此价格水平下总体回归直线上相对应的点。这一部分称为系统的或确定的部分。( 2)ui，称为非系统的或随机的部分(也就是说，由价格