第二章节 简单线性回归模型.ppt

第一节 回归分析与回归函数 ● 相关分析与回归分析 ● 总体回归函数 ● 随机扰动项 ● 样本回归函数 “回归”概念的起源 “回归”一词最早由英国生物学家高尔顿（Galton）在研究孩子的身高与他们父母身高关系时提出的。 当时他正研究这样一个问题：高个子人生的子女一般偏高，照这样看，各代人在身高分布上将有两级分化的趋势，个子很高和很矮的会越来越多，而处在中间状态的会越来越少。 研究发现，父母个子高，其子代一般也高，但不如父母那么高；父母个子矮，其子代一般也矮，但不如父母那么矮。下一代身高有向中间值回归的趋势。这种趋于中间值的趋势被称为“回归效应”，而他提出的这种研究两个数值变量关系的方法称作回归分析。 注意明确几个概念（为深刻理解回归） ● 的条件分布 当解释变量 取某固定值时（条件）， 的值不确定， 的不同取值形成一定的分布，即 的条件分布。 ● 的条件期望 对于 的每一个取值， 对 所形成的分布确 定其期望或均值，称 为 的条件期望或条 件均值 回归线与回归函数 回归函数：应变量 的条件期望 随解释变量 的变化而有规律的变化，如果把 的条件期望 表示为 的某种函数 这个函数称为回归函数。 回归函数分为：总体回归函数和样本回归函数 2. 回归分析 研究方法： 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 3. 如何理解总体回归函数 ●作为经济运行的客观规律，总体回归函数是客观存在的，但是实际的经济研究中总体回归函数通常是未知的，只能根据经济理论和实践经验去设定。 计量经济学研究中的“计量”的根本目的就是要寻找总体的回归函数（PRF） 我们所设定的计量模型实际上就是在设定总体回归函数的具体形式 ●总体回归函数中 与 的关系可是线性的，也可是非线性的。 三、随机扰动项 概念: 各个 值与条件均值 的偏差 代表排除在模型以外 的所有因素对 的影响。 性质： 是期望为0有一定分布的随机变量 ●??未知影响因素的代表 风险态度，交通，市场开放度，不可抗自然力，群体性事件 ●??无法取得数据的已知影响因素的代表 存款，非法收入，隐性收入 ●??众多细小影响因素的综合代表 性别，年龄，受教育程度 ●??模型的设定误差 模型都是试图模拟，没有绝对准确的 ●??变量的观测误差 比如没有作详细的记录，粮食产量、家庭消费等实际调研例子 ●??变量内在随机性（降雨量） 1、样本回归线和样本回归函数2、SRF的特点3、样本回归函数的表现形式4、样本回归函数与总体回归函数的关系5、对样本回归的理解 总体是我们研究的目的，但是不能知道总体的全部数据 用总体中的一部分（样本）来推断总体的性质。 2、SRF的特点 每次抽样都能获得一个样本，就可以拟合一条样本回归线，所以样本回归线随抽样波动而变化，可以有许多条（SRF不唯一） 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。 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。 ▼回归分析的主要目的：根据样本回归函数SRF， 估计总体回归函数PRF。 本节基本内容: ● 简单线性回归的基本假定 ● 普通最小二乘法（OLS） ● OLS回归线的性质 ● 参数估计式的统计性质 为什么要作基本假定？ ●模型中有随机扰动，估计的参数是随机变量， 只有对随机扰动的分布作出假定，才能确定 所估计参数的分布性质，也才可能进行假设 检验和区间估计