第2章一些基本概念 计量经济学-古扎拉蒂 教学课件.pptVIP

第二章 回归分析的一些基本概念 安立仁 2.1条件概率与条件期望 条件概率：p(Y=Yj|X=Xi)=p 条件期望：E（Y|X=Xi） 总体回归曲线就是解释变量取给定值时应变量的条件均值或期望值的轨迹。 一个例子 X，每周家庭收（美元） X Y 80 100 120 140 160 180 200 220 240 260 每周家庭消费支出 55 65 79 80 102 110 120 135 137 150 60 70 84 93 107 115 136 137 145 152 65 74 90 95 110 120 140 140 155 175 70 80 94 103 116 130 144 152 165 178 75 85 98 108 118 135 145 157 175 180 — 88 — 113 125 140 — 160 189 185 — — — 115 — — — 162 — 191 65 77 89 101 113 125 137 149 161 173 合计 325 462 445 707 678 750 685 1043 966 1211 总体回归线 2.3“线性”的含义 对变量为线性 Y的条件期望值是Xi的线性函数，即 E（Y|Xi）=1+2Xi 对参数为线性 “线性”回归一词总是指对参数为线性的一种回归；对解释变量X则可以是或不是线性的。（与以往的线性概念有所不同） 2.4PRF的随机设定 给定收入水平Xi的个别家庭的消费支出聚集在收入为Xi的所有家庭的平均消费支出的周围，也就是围绕着它的条件均值。可以把个别的Yi围绕它的期望的离差表述如下： 2.5随机干扰项的意义 什么是随机干扰？ 干扰项是从模型中省略掉的而又集体地影响着Y的全部变量的替代物。 干扰项产生的来源是多方面的： 理论的含糊：除了主变量之外，还有其它变量的影响，但不清楚，无法进入模型。 数据的不充分：可能知道被忽略的变量，但不能得到这些变量的数量信息。 核心变量与其它变量：其它变量全部或其中一些合起来影响还是很小的。 人类行为的内在随机性 替代变量不好：测量误差 节省原则：为了保持一个尽可能简单的回归模型 错误的函数形式：有时根据数据及经验无法确定一个正确的函数形式 2.6样本回归函数（SRF） 总体与样本 总体特征值是一常数称为参数 样本特征值是一变数称为估计量或统计量 样本回归与总体回归的比较P31 总体的两个不同的随机样本 随机样本1 随机样本2 Y X Y X 70 80 55 80 65 100 88 100 90 120 90 120 95 140 80 140 110 160 118 160 115 180 120 180 120 200 145 200 140 220 135 220 155 240 145 240 150 260 175 260 样本1的与样本2的图象 年龄 0-2 2-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44! 20-24 7.5 25-29 9.0 9.1 10.0 30-34 9.0 9.5 11.0 12.6 35-39 10.0 11.7 13.2 15.0 40-44 9.6 11.0 13.0 15.5 17.0 45-49 12.0 15.0 17.0 20.0 50-54 11.3 13.3 15.0 18.2 20.0 55-59 13.8 16.0 18.0 19.0 60-64 13.1 16.0 17.2 18.8 65-69 13.8 17.0 70-74* 12.5 专业经验的年数 对于上表的数据 这些数据说明什么? 与工薪水平的关系最为密切的是年龄,还是经验?你怎样知道? 分开画两个图,一个以表示工薪的中位数同年龄的关系,另一个表示工薪的中位数同专业经验(以年计)的关系. 年龄 年龄中位 中位数(对应的工薪) 20-24 22 7.5 25-29 27 9.1 30-34 32 10.3 35-39 37 12.5 40-44 42 13.0 45-49 47 16.0 50-54 52 15.0 55-59 57 17.0 60-64 62 16.6 65-69 67 15.4 70-74* 72 12.5 2.7讨论问题 参数与估计量之间的关系 参数是已知的还是未知的？一般而言参数可知吗？ 全国人口普查得到的中国人口有关数据的特征值是统计量还是参数？