一元数学课件线性回归模型.ppt

第二章 一元线性回归模型; 回归分析是经典计量经济学的方法论基础，线性回归分析是 计量经济建模的起点，一元线性回归模型是最基本的计量经济学 模型。本章将通过介绍一元线性回归模型的建模方法，使读者逐 步了解计量经济学的研究思路、建模步骤和具体方法，并能使用 这种方法实现对某些经济问题的定量分析。; 许多社会与经济现象，除了自身的变动以外，它们相互之间 很可能有一定的依存关系。各种经济变量相互之间的依存关系有 两种不同的类型：一种是确定性的函数关系，另一类是不确定性 的统计关系，也称为相关关系。; 当一个或若干个变量x取一定值时，与之相对应的另一个变 量y的值虽然不确定，但却按某种规律在一定范围内变化，我们 称变量之间的这种关系为不确定的统计关系或相关关系，其一 般表现形式为; 在各种类型的相关分析中,只有两个变量的线性相关关系的 分析是最简单的。两个变量之间线性相关程度可以用简单线性 相关系数去度量，这种相关系数是最常用的，也简称为相关系 数。; 总体相关系数反映了总体两个变量x和y的线性相关程度，对 于特定的总体来说，x和y的数值是既定的，总体相关系数是客观 存在的特定数值。;相关系数有以下特点：; 相关分析主要是用一个指标（相关系数）去表明现象间相 互依存关系的性质和密切程度。不过相关分析并不能说明变量 间相关关系的具体形式，也还不能从一个变量的变化去推测另 另一个变量的具体变化。相关分析对称地对待相互联系的变量， 均视为随机变量； ; 回归分析是建立在变量因果关系分析的基础上，研究其中解释变量的变动对被解释变量的具体影响，回归分析中必须明确划分被解释变量和解释变量，对变量的处理是不对称的。在回归分析中通常假定解释变量在重复抽样中是取固定值的非随机变量，只有被解释变量是具有一定概率分布的随机变量。;y＝85.64＋0.516 x;*; 由表2.1和图2.2可以看出,虽然每个家庭的消费支出存在差异,但 平均来说，家庭消费支出是随家庭可支配收入的递增而递增的。 还可以看出，当取各种值时, y的条件均值的轨迹接近一条直线,该 直线称为y对x的回归直线。当然，若是y的各个条件均值是位于一 条曲线上，则这条曲线就称为y对x 的回归曲线。; 在计量经济学中经常把总体回归函数设定为线性函数，这是因 为线性函数是最简单的函数形式，而且线性回归函数中参数的估计 与检验相对容易，用线性模型去近似地描述总体回归函数，常能获 得较好的效果。 ; 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,因为只要对参数而言是线性的,都可以用类似的方法 去估计其参数，都可以归于线性回归。; PRF描述的是随着解释变量的变化被解释变量的平均变动。 但是相对于一定的x，y的取值yi并不全在代表平均值轨迹的回归 线上，而是围绕回归线上下波动，也就是说y总是分布在条件均 值的周围。;由于;*; 4. 模型的设定误差。在设定经济计量模型时，总是力图使模 型更为简单明了，当用较少的解释变量就能说明被解释变量的实 质变化时，就不应把更多的解释变量列入模型；当用较简洁的函 数形式就能说明变量之间的本质联系时，就尽量不采用更为复杂 的函数形式。这样，变量和函数形式的设定可能会引起设定误差 ，这种设定误差也要由随机扰动项来表示。;在给定样本观测值(样本值) ，i=1,2, 3,…,n后， 为了估计（2. 5）式的参数 和 ， 必须对随机项 做出某些合理的假定。这些假定通常称为古典假定。;*;假定5：正态性假定;;第三节 参数估计;我们称（2.15）为样本回归模型。它由两部分组成： 称为系统分量，是可以被x解释的部分，也 称为可解释分量； 是不能被解释的部分，称为残差 (Residual),它是随机项 的代表值，也称为不可 解释分量。;将系统分量表示为:; 必须明确，样本回归函数与总体回归函数是有区别的。首 先，总体回归函数虽然未知，但它是确定的；而由于从总体中 每次抽样都能获得一个样本，就都可以拟合一条样本回归线， 所以样本回归线却是随抽样波动而变化的，可以有许多条。仍 然以例2.1中100个家庭的可支配收入与消费支出为例，假设从 100个家庭的总体中各随机抽取10个家庭进行观测，形成了两 个随机样本，如表2.2和表2.3所示：;可支配收入x; 这说明：样本回归线随抽样波动而变化；每次抽样都能获 得一个样本，就可以拟合一条样本回归线，（SRF不唯一， PRF唯一) ;二、普通最小二乘法; 和 应满足