第二章 回归分析概要1(一元概念).pptVIP

第二章 回归分析概要 第一节 概念 第一节 回归分析的概念 回归分析是处理变量与变量之间关系的一种数学方法。 回归一词最早由加尔顿（Galton）引入。 加尔顿普遍回归定律。 回归的现代解释：回归分析是关于研究一个叫做因变量（被解释变量）的变量与一个或多个自变量（解释变量）的依赖关系，其用意在于通过后者（在重复抽样中）的已知或是设定值，去估计和预测前者的（总体）均值。 1. 变量间的相互关系 经济变量间的关系可以分为两大类：一类是确定的函数关系，另一类是不确定的统计相关关系。 确定性现象间的关系常常表现为函数关系。 圆面积S与圆半径r间的关系，只要给定半径值r，与之对应的圆面积S也就随之确定： 非确定性现象间的关系常常表现为统计相关关系。 例如，农作物产量Y与施肥量X间的关系，其特点是：农作物产量Y随着施肥量X的变化呈现出某种规律性的变化，在适当的范围内，随着X的增加，Y也增加。 但与前述函数关系不同的是，给定施肥量X，与之对应的农作物产量Y并不能确定。 因为，除了施肥量，还有诸如阳光、气温、降雨等其他许多因素都在影响着农作物的产量。这时，我们无法确定农作物产量与施肥量之间确定的函数关系，但却能通过统计计量等方法研究它们之间的统计相关关系。农作物产量Y作为非确定性变量，也被称为随机变量。 2. 相关分析和回归分析 变量间的统计相关关系可以通过相关分析与回归分析来研究。 相关分析主要研究随机变量间的相关形式与相关程度。 从变量间相关的形式来看，有线性相关和非线性相关之分。 前者往往表现为变量的散点图接近于一条直线。 变量间线性相关程度的大小可以通过相关系数来测量。 两变量X与Y之间的总体相关系数为： 其中， 是变量X和Y的协方差， 分别是X和Y的方差。 如果给出X和Y的一组样本（ ），i=1，2，……n，则样本相关系数为： 回归分析是关于研究一个叫做因变量（被解释变量）的变量与一个或多个自变量（解释变量）的依赖关系，其用意在于通过后者（在重复抽样中）的已知或是设定值，去估计和预测前者的（总体）均值。 相关分析与回归分析既有联系又有区别： 首先，两者都是研究非确定性变量间的统计依赖关系，并能度量线性依赖程度的大小； 其次，两者间又有明显的区别： 相关分析仅仅从统计数据上测度变量间的相关程度，而无须考察两者间是否存在因果关系，因此，变量的地位在相关分析中是对称的，而且都是随机变量； 回归分析则更注重具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量与被解释变量之分，而且解释变量也往往被假设为非随机变量。 相关分析只关注变量间的联系程度，不关注具体的依赖关系；而回归分析则更关注变量间的具体依赖关系。 回归分析构成计量经济学的方法论基础，其主要内容包括： 根据样本观察值对计量经济学模型参数进行估计，求得回归方程。 对回归方程、参数估计值进行显著性检验。 利用回归方程分析、评价及预测。 第二节 一元线性回归模型 1. 总体回归函数 以不同家庭收入Xi，和不同消费支出Yi为例，两者之间的关系可以表示为： X的变化是Y变化的原因，X和Y之间存在着因果关系，称之为回归模型。但是，Y的变化不影响X（也就是说，消费的变化不会带来收入的变化）。 由于方程中引入了随机干扰项，成为计量经济学模型，因此也被称为总体回归模型。 该模型可以拆分为两个部分： （1） （也称作线性总体回归函数） （2）随机部分， 随机干扰项的意义： 未在模型中列出的影响Yt变化的非重要解释变量。 人的随机行为。 建立的数学模型形式不完善。 归并误差。 测量误差。 2. 样本回归函数 尽管总体回归函数揭示了所考察总体被解释变量与解释变量间的平均变化规律，但总体的信息往往无法全部获得。因此，总体回归函数实际上是未知的。现实的情况往往是，通过抽样，得到总体样本，再通过样本的信息来估计总体回归函数。 从总体样本中取其中的一部分（抽样），这些样本的散点图近似于一条直线，画一条直线尽可能地拟合该散点图，由于样本取自总体，可以用该直线近似地代表总体回归线，该直线成为样本回归线。 样本回归函数 ： 如果在该函数中引入随机干扰项ei，称ei为样本残差项，代表了其他影响Y的随机因素的集合，可以看做是的ui估计量。由于在上式中引入了随机项，则成为计量经济学模型： （也称之为样本回归模型）。 回归分析的主要目的，就是根据样本回归函数，估计总体回归函数。 这里要着重区分总体回归模型、总体回归函数（方程）、样本回归模型、样本回归函数（方程）四个式子： 总体回归方程与样本回归方程、随机干扰项和残差之间的关系如下图所示: