[教育]第二章 简单线性回归模型.ppt

* ●条件期望表现形式 例如Y的条件期望 是解 释变量X的线性函数，可表示为： ●个别值表现形式（随机设定形式） 对于一定的 ，Y的各个别值 并不一定等于条件期望，而 是分布在 的周围，若令各个 与条件期望 的 偏差为 ，显然 是个随机变量 则有 2.总体回归函数的表现形式 PRF ●作为总体运行的客观规律，总体回归函数是客观存在 的，但在实际的经济研究中总体回归函数通常是未知的， 只能根据经济理论和实践经验去设定。 计量经济学研究中“计量”的根本目的就是要寻求总体 回归函数。 ●我们所设定的计量模型实际就是在设定总体回归函 数的具体形式。 ●总体回归函数中 Y 与 X 的关系可以是线性的，也可 以是非线性的。 * 3.如何理解总体回归函数 * 计量经济学中,线性回归模型的“线性” 有两种解释： ◆就变量而言是线性的:Y的条件期望（均值）是X的线性函数 ◆就参数而言是线性的:Y的条件期望（均值）是参数β的线性函数 注意：在计量经济学中，线性回归模型主要指就参数而言是“线性”的, 只要对参数而言是线性的, 都可以归于线性回归。 “线性”的判断 ◆概念 在总体回归函数中， 反映 除X以外其他所有因素对 Y 的影响。 ◆性质 是其期望为 0 具有一定分布的随机变量 重要性： 随机扰动项的性质决定着计量经济分析结 果的性质和计量经济方法的选择 * 三、随机扰动项 ● 是未知影响因素的代表(理论的模糊性) ● 是无法取得数据的已知影响因素的代表(数据欠缺) ●?是众多细小影响因素的综合代表(非系统性影响) ●?模型可能存在设定误差(变量、函数形式的设定） ●?模型中变量可能存在观测误差(变量数据不符合实际) ●?变量可能有内在随机性(人类经济行为的内在随机性) * 引入随机扰动项 的原因 样本回归线： 对于X的一定值，取得Y的样本观测值，可计算其条件均值， 样本观测值条件均值的轨迹，称为样本回归线。 样本回归函数： 如果把被解释变量Y的样本条件均值 表示为解释变量X的某种函数， 这个函数称为样本回归函数（SRF）