2.1回归分析概述.ppt.Convertor.doc

第二章 一元线性回归模型 本章主要内容： 第一节 回归分析概述 第二节 一元线性回归模型的参数估计 第三节 一元线性回归模型的检验 第四节 一元线性回归模型的预测 第五节 案例分析 1 第一节 回归分析概述 回归分析的相关概念 总体回归函数 随机误差项 样本回归函数 2 一、回归分析的相关概念 1.经济变量间的相互关系 3 2.相关分析 （1）相关分析的概念 相关分析主要研究随机变量间的相关形式和相关程度。 （2）相关关系的类型 从涉及的变量数量看 简单相关 多重相关（复相关） 4 从变量相关关系的表现形式看 线性相关——散点图接近一条直线 非线性相关——散点图接近一条曲线 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 5 （3）相关程度的度量——相关系数 总体相关系数 样本相关系数 6 使用相关系数时应当注意 相关系数只反映变量间的线性相关程度，不能说明非线性相关关系 样本相关系数是总体相关系数的样本估计值，由于抽样波动，样本相关系数是个随机变量，其统计显著性有待检验 相关系数只能反映线性相关程度，不能确定因果关系，也不能确定变量间的数量关系。 7 3.回归分析 回归的古典意义： 高尔顿遗传学的回归概念 （父母身高与子女身高的关系） 回归的现代意义： 一个变量对另外若干变量的相互依存关系的研究 回归分析的目的（实质）： 由固定的解释变量的值去估计因变量的平均值 8 4.相关分析和回归分析的区别和联系： 区别： （1）研究目的不同； （2）对变量的处理不同。 联系： （1）相关分析是回归分析的基础； （2）相关分析中的相关系数的平方等于回归分析中的拟合优度。 9 二、总体回归函数 例2.1：一个假想的社区由100户家庭组成，已知该社区各家庭每月消费支出和可支配收入的数据，现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的数量上的关系。 10 11 （1）由于受不确定因素的影响，对同一收入水平X，不同家庭的消费支出不完全相同??? （2）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，即在X给定的条件下，Y的条件分布是已知的，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的条件均值或条件期望： E(Y|X=Xi) 该例中：E(Y|X=800)=605 分析： 12 由此，我们可以算出10组可支配收入水平下相应家庭消费支出的条件均值： 表2.2 各可支配收入水平组相应家庭消费支出的条件均值 单位：元 收入水平800 1100 1400 1700 2000 2300 2600 2900 3200 3500 条件均值 605 825 1045 1265 1485 1705 1925 2145 2365 2585  用表2.1和表2.2中的数据绘出可支配收入X与家庭消费支出Y的散点图。 13 从散点图可以看出，可支配收入X与家庭消费支出Y的条件期望恰好在一条直线上，这条直线叫总体回归直线。 14 总体回归函数的概念： 被解释变量Y的条件期望E(Y|Xi)与解释变量X之间的函数关系式叫总体回归函数，也叫总体回归方程。 函数形式： 可以是线性或非线性的。 例2.1中，居民消费支出的条件均值是可支配收入的线性函数: 其中，?0 ，?1 是未知参数，称为回归系数。 15 在上述家庭可支配收入-消费支出例子中，总体回归函数描述了所考察总体的家庭消费支出平均来说随可支配收入的变化规律， 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。 称ui为随机误差项，或随机干扰项。 记 三、随机误差项 16 1.随机误差项的概念 17 例2.1中，个别家庭的消费支出为： （1）该收入水平下所有家庭的平均消费支出