第二章节 经典线性模型回归模型-.ppt

单方程计量经济模型概述 用单独一个方程来表示经济关系的模型，称为单方程模型。 单方程计量经济学模型分为两大类： 线性模型和非线性模型 线性模型中，变量之间的关系呈线性关系 非线性模型中，变量之间的关系呈非线性关系 例1 消费函数 一个国家消费支出与可支配收入之间的关系： c=a+by 其中，c——消费支出 y——可支配收入 a,b为参数，b称为边际消费倾向，0b1 特点：线性 加入随机干扰项 考虑到影响消费的其他因素，在模型中加入随机干扰项 ,使之称为计量经济模型 c=a+by+ 模型分成两部分： 系统部分，a+by,反应自变量——可支配收入对因变量的影响，是主要且可观测到的影响； 随机干扰部分： ,非系统因素对消费的随机性影响。 样本数据的结合 如果我们得到连续n年的数据（即一个样本）：（ct,yt）,t=1,2,……,n 假定模型可以解释这组数据，则有 ct=a+byt+ t t=1,2,……,n 其中, t 表示第t年的随机干扰 例2 生产函数 研究某行业同类企业产出和投入要素之间的关系。Y——产出，K——资本，L——劳动。 假设生产函数是科布—道格拉斯型的，则 Y=AKaLb 其中, 为随机干扰项，即系统部分AKaLb不能解释的部分 特点： 非线性 随机干扰项是乘性的 样本数据的结合 若得到n个企业的一组数据：（Yi,Ki,Li）,i=1,2,…..,n，结合到上式中模型可以写为 Yi=AKiaLib i i=1,2,……,n 其中, i表示对第i个企业的随机干扰。 例3 成本曲线 第二章 经典线性回归模型 §2.1 回归分析概述 变量之间的关系及回归分析概述 总体回归函数（PRF) 随机误差项 样本回归函数（SRF） 一、变量之间的关系及回归分析概述 变量间的关系 变量之间的关系，大致可分为两类： （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。如：圆的面积与圆的半径之间的关系， （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，如农作物产量与施肥量、降雨量、阳光、气温之间的关系。 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。 （1）有相关关系并不意味着一定有因果关系； （2）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。 （3）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。 回归分析的基本概念 回归分析(regression analysis):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。 目的：通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 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）。 二、总体回归函数（PRF) 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。 例2.1一个假想的社区有100户家庭组成，要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。即如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。 为达到此目的，将该100户家庭划分为组内收入差不多的10组，以分析每一收入组的家庭消费支出。 分析： 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=561|X=800）=1/4。 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）： E(Y|X=Xi) 如： E(Y | X=800)=561 描出散点图发现：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