第2章经济计量学精要.pptVIP

第2章 线性回归的基本思想： 双变量模型 2.1 回归的含义 回归分析的目的： 根据自变量的取值，估计应变量的均值。 检验（建立在经济理论基础之上的）假设。 根据样本外自变量的取值，预测应变量的均值。 可同时进行上述各项分析。 2.1 回归的含义 回归分析研究的是一个应变量与另一个或多个自变量之间的关系，但它并不一定表明存在因果关系。因果关系的判定或推断必须建立在经实践检验的相关理论基础之上。 2.2 总体回归函数（PRF）：假想一例 问题：学生的家庭收入与其数学分数的关系 收入变量分10组 ＜10000美元 10000-20000美元 20000-30000美元 … 80000-100000美元 ＞100000美元 每一组的中点代表该收入组别 100个高中学生组成的假想总体 图2-1 家庭年收入与数学S.A.T分数 总体回归函数 E(Y∣Xi)=B1+B2Xi 2.3 总体回归函数的统计或随机设定 总体回归函数的随机设定 Yi=E(Y∣Xi)+ui=B1+B2Xi+ui Ui表示随机误差项，它是一个随机变量。 2.3 总体回归函数的统计或随机设定 2.4 随机误差项的性质 2.5 样本回归函数 实际中很少能够获得整个总体的数据。通常，仅仅来自总体的一个样本。计量经济学的任务就是根据样本信息估计总体回归函数。 2.5 样本回归函数 2.5 样本回归函数 样本回归函数 随机样本回归函数 2.6 “线性”回归的特殊含义 变量线性：线性的第一种、也是最“本质”的含义是应变量的条件均值是自变量的线性函数。 参数线性：线性的第二种解释是应变量的条件均值是参数的线性函数，而变量之间并不一定是线性的。 线性回归是指参数线性的回归，而解释变量并不一定是线性的 2.7 从双变量回归到多元线性回归 2.8 参数估计：普通最小二乘法 普通最小二乘法（OLS）原理 普通最小二乘法就是选择参数b1、b2，使得残差平方和（RSS）最小，即： 求解联立方程组 2.8 参数估计：普通最小二乘法 2.9 综合应用 对数学S.A.T分数回归结果的解 对数学S.A.T分数回归结果的解释 0.0013表示在其他条件不变的情况下，家庭收入 每增加1美元，数学S.A.T分数平均提高0.0013分。 对数学S.A.T分数回归结果的解释 2.10 一些例子 回归结果： 回归结果解释： 受教育年限每增加1年，平均小时工资增加0.72美元。 例2.2 奥肯定律 =失业率的变化（百分数） =实际产出的增长率（百分数，用实际GDP度量） 2.5= 美国长期产出增长率。 结果解释： 实际GDP增长率每超过2.5一个百分点，失业率将降低0.4个百分点。 例2.3 股票价格与利率（1980-2007） 假定计量模型： 回归结果： 回归结果解释： 假定初始的国债利率为2%，如果国债利率上升1个百分点，则SP指数平均降低249个单位。 如果假定线性模型，则回归结果： 回归结果解释： 如果国债利率提高1个百分点，则SP指数将平均降低99.4个单位 例2.4 美国中值房价与抵押贷款利率（1980-2007） 假定线性模型，则回归结果： 回归结果解释： 如果贷款利率提高1个百分点，在中等房价平均降低17.4个单位，即17400美元。 2-* Copyright ? 2006 The McGraw-Hill Companies, Inc. All rights reserved. McGraw-Hill/Irwin Venn diagram. 圆圈点是每组收入水平下的数学 平均分，称为条件均值。 条件均值的连线称为总体回归线（PRL） 确定性部分 随机部分 1．误差项代表了未纳入模型变量的影响。 2．即使模型中包括了决定数学分数的所有变量，其内在随机性也不可避免，这是做任何努力都无法解释的。 3．还代表了度量误差。 4．“奥卡姆剃刀原则”——即描述应该尽可能简单，只要不遗漏重要的信息。 正规方程 普通最小二乘估计量的一些重要性质 1.用OLS法得出的样本回归线经过样本均值点， 即： 2.残差的均值 （ ）总为0。 3.对残差与解释变量的积求和，其值为零；即这两个变量不相关。 这条性质也可用来检查最小二乘法计算结果。 4.对残差与 （估计的 ）的积求和，其值为0；即 为0。 例2.1 受教育年限与平均小时工资 2-*