回归分析的基本知识.pptVIP

* 单方程计量经济学模型 理论与方法 Theory and Methodology of Single- Equation Econometric Model 第二章 经典单方程计量经济学模型： 一元线性回归模型 ? ? ? ? ? 回归分析概述 一元线性回归模型的参数估计 一元线性回归模型检验 一元线性回归模型预测 实例 §2.1 回归分析的基本知识 一、回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数（SRF） 五、回归分析的内容 §2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 1、变量间的关系 各种经济变量之间的关系，大体可分为两 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。即如果一个变量Y的取值可 以 通 过 另 一 个 变 量 X 或 者 另 一 组 变 量 （ X1 ， X2 ，…）以某种形式唯一地精确地确定，则Y与这 个X或这组X之间的关系就是函数关系。 用代数式表示就是：Yi＝f(X1i,X2i,…) （2）统计依赖关系或统计相关关系：研究的是非确 定现象随机变量间的关系。即如果一个变量Y的取值受 另一个变量X或者另一组变量（X1，X2，…）的影响， 但给定这一个或一组X值的时候，Y的取值并不是唯一 确定的，则变量Y与这个X或这组X之间的关系就是相关 关系。 用代数式表示就是：Yi＝f(X1i,X2i,…)＋μ 例如： 统计依赖关系/统计相关关系： 农作物产量 = f (气温, 降雨量, 阳光, 施肥量) 2、相关分析和回归分析 社会经济现象中的变量关系，大量地表现为相关关 系。 如消费水平受收入水平影响，但当给定收入水平 时，消费者的消费支出水平并不是惟一确定的； 又如某种商品的需求量受收入水平和价值的影响， 随着价格的上涨或收入的减少，需求量一般会下降，但 当价格上涨和收入减少的幅度给定时，需求量的减少并 不是惟一确定的。这种消费与收入，需求与收入、价格 之间的关系都属于相关关系。 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。回归分析就是研究这类变量间的依存关系，如 消费对收入的依存关系、需求对收入的价格的依存关 系。 ● 从涉及的变量数量看 简单相关 多重相关（复相关） ● 从变量相关关系的表现形式看 线性相关——散布图接近一条直线 非线性相关——散布图接近一条曲线 ● 从变量相关关系变化的方向看 正相关——变量同方向变化，同增同减 负相关——变量反方向变化，一增一减 不相关 相关关系的类型 线性相关 不相关 相关系数： 统计依赖关系 负相关 ?1 ≤ ρ XY ≤ 1 有因果关系 回归分析 无因果关系 相关分析 正相关 非线性相关 不相关 负相关 其相互关系见下图： 正相关 ①不线性相关并不意味着不相关； ②有相关关系并不意味着一定有因果关系； ③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。 ④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。 ▲注意： 回归的古典意义：高尔顿遗传学回归概念(父母身高与 子女身高的关系) 回归的现代意义：一个应变量对若干解释变量依存关 系的研究 回归的目的（实质）：由固定的解释变量去估计应变 量的平均值 回归分析(regression analysis)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。 其用意：在于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。 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）。 3、回归分析的基本概念 注意几个概念： ?Y的条件分布 当解释变量X取某固定值时（条件），Y的值不确 定，Y的不同取值形成一定的分布，即Y的条件分布。 ?Y的条件期望对于X的每一个取值，对Y所形成的分布 确定其期望或均值，称为Y的条件期望或条件均值 E(Y|Xi) X i Y X ?回归线: 对于每一个X的取值，都有Y的条件期望 E(Y|Xi)与之对应，代表这些Y的条件期望的点 的轨迹所形成的直线或曲线，称为回归线。 ?回归函数：被解释变量Y的条件期望