计量经济学 回归分析概要.ppt

第1节 回归分析的性质 第2节 双变量回归分析的基本概念 第3节 双变量回归模型的估计问题 第4节 正态性假定：经典正态线性回归模型;§2.1.1 “回归”一词的历史渊源 §2.1.2 回归的现代释义 §2.1.3 统计关系与确定性关系 §2.1.4 回归与因果关系 §2.1.5 回归与相关 ;第1节 回归分析的性质;通俗地说: 一群特高个子父辈的儿子们在同龄人中平均仅为高个子 一群高个子父辈的儿子们在同龄人中平均仅为略高个子 一群特矮个子父辈的儿子们在同龄人中平均仅为矮个子 一群矮个子父辈的儿子们在同龄人中平均仅为略矮个子，即子代的平均高度向中心回归了 正是因为子代的身高有回到同龄人平均身高的这种趋势，才使人类的身高在一定时间相对稳定，没有出现父辈个子高其子女更高，父辈个子矮其子女更矮的两极分化现象。 正是为了描述这种有趣的现象，高尔顿引进了“回归”这个名词来描述父辈身高x与子代身高y的关系 ;回归的思想;§2.1.2 回归的现代释义 回归分析是用来研究一个变量(称之为被解释变量(explained variable)或应变量( d e p e n d e n t v a r i a b l e ) )与另一个或多个变量(称为解释变量(explanatory variable) 或自变量( i n d e p e n d e n t v a r i a b l e ) )之间的关系。 回归分析是关于研究一个应变量对另一个或多个解释变量的依赖关系，其用意在于通过后者（在重复抽样中）的已知或设定值去估计或预测前者的（总体）均值。 ;Date;§2.1.3 统计关系（随机变量/相关关系）与确定性关系（非随机变量/函数关系） 社会经济与自然科学等现象之间的相互联系和制约是一个普遍规律 ★要认识和掌握客观经济规律就必须探求经济现象间经济变量的变化规律，变量间的统计关系是经济变量变化规律的重要特征 ★互有联系的经济现象及经济变量间关系的紧密程度各不一样 ◎一种极端的情况是一个变量的变化能完全决定另一个变量的变化;高档消费品的销售量与城镇居民收入之间的关系 粮食产量与施肥量之间的关系 储蓄额与居民收入之间的关系 广告支出与商品销售额 工业增加值与能源消耗量 数学成绩与统计学成绩 ◎以上变量间关系的一个共同特征是它们之间有密切关系，但它们是一种非确定性关系 确定性关系：圆的面积（ ） 殴姆定律（电流C=V/k, V为电压）;§2.1.4 回归与因果关系 回归分析研究的一个变量对另一个变量的依赖关系可以是一种因果关系，但也可能不是因果关系。 统计关系本身不可能意味着任何因果关系;§2.1.5 回归与相关 回归分析和相关分析都是研究变量间关系的统计学课题 两者的主要差别： ◇回归分析中需要区别自变量和因变量；相关分析中则不需要区分 ◇相关分析中所涉及的变量y与x全是随机变量。而回归分析中，因变量y是随机变量，自变量x 可以是随机变量，也可以是非随机的确定变量 ◇相关分析的研究主要是为刻画两类变量间线性相关的密切程度。而回归分析不仅可以揭示变量X对变量y的影响大小，还可以由回归方程进行预测和控制;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不线性相关并不意味着不相关（非线性关系）； ②有相关关系并不意味着一定有因果关系(印度人口与中国GDP)； 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(单方/双方)，但它们并不意味着一定有因果关系(因果关系由其它学科理论研究)。 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。;§2.2.1. 一个人为的例子 §2.2.2 总体回归函数（PRF）的概念 §2.2.3 “线性”一词的含义 §2.2.4 PRF的随机设定 §2.2.5 随机误差项的意义 §2.2.6 样本回归函数（SRF);§2.2.1. 一个人为的例子 假如一个国家的人口总体有60户家庭组成 研究每周家庭消费支出Y与每周家庭可支配收入X的关系 如果知道了家庭的每周收入，预测每周消费支出的平均水平 根据表2.1理解：①条件分布；②条件概率；③条件期望;Date;Date;Date;假设为正态分布;§2.2.2 总体回归函数（PRF）的概念 (Population Regression Function) 每一个条件均值E(Y/Xi)都是Xi的一个函数