计量经济学-2章：一元线性回归模型.ppt

一、回归分析 1. 变量间的关系 （1）函数关系：研究的是变量间的确定的函数关系。 研究对变量间统计关系的方法： 1、相关分析(correlation analysis) 2、回归分析(regression analysis) 回归分析(regression analysis)是处理变量与变量之间相关关系的一种数学方法. 具体而言,回归分析研究一个叫做因变量的变量关于另一个或多个叫做解释变量的变量的依赖关系的理论和计算方法。其目的在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 回归分析构成计量经济学的方法论基础，其主要内容包括： （1）根据样本观察值对经济计量模型参数进行估计，求得回归方程； （2）对回归方程、参数估计值进行显著性检验； （3）利用回归方程进行分析、评价及预测。 二、一元线性回归模型 回归分析关心的是根据解释变量的已知或给定值，考察被解释变量的总体均值，即当解释变量取某个确定值时，与之统计相关的被解释变量所有可能出现的对应值的平均值。 二、一元线性回归模型 实例--鲜蛋需要 城镇居民对于鲜蛋的需求,受可支配收入水平和其他因素影响,反映这一现实的模型: 例2.1：一个假想的社区有100户家庭组成，要研究该社区每月家庭鲜蛋的人均需求支出Y与每月家庭可支配收入X的关系。 即如果知道了家庭的月收入，能否预测该社区家庭的平均月鲜蛋的人均需求支出水平。 为达到此目的，将该100户家庭划分为组内收入差不多的10组，以分析每一收入组的家庭鲜蛋的人均需求支出。 再具体的考察实际的数据值。此时，将影响消费支出的其他因素归并到随机变量ui中，建立起消费支出Y与收入X之间的数学模型： 例2.1中，给定收入水平Xi ,个别家庭的支出可表示为两部分之和：（1）该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为系统性（systematic）或确定性（deterministic)部分；（2）其他随机或非确定性（nonsystematic)部分?i。 模型 总体回归函数: 总体回归模型: 随机误差项(ui) 总体回归函数说明在给定的收入水平Xi下，该社区家庭平均的消费支出水平。 但对某一个别的家庭，其消费支出可能与该平均水平有偏差。称其为观察值围绕它的期望值的离差,它是一个不可观测的随机变量，又称为随机干扰项或随机误差项. 随机误差项主要包括下列因素： (1)回归模型中省略的变量； (2)人们的随机行为; (3)建立的数学模型的形式不够完善; (4)经济变量之间的合并误差; (5)测量误差。 现在，我们转向样本的研究（WHY？），与总体的研究思路相同，首先考察样本的平均水平。 问题：能从一次抽样中获得总体的近似的信息吗？如果可以，如何从抽样中获得总体的近似信息？ 例2.2：在例2.1的总体中有如下一个样本，能否从该样本估计总体回归函数PRF？ 该样本的散点图（scatter diagram)： 画一条直线以尽好地拟合该散点图，由于样本取自总体，可以该直线近似地代表总体回归线。该直线称为样本回归线（sample regression lines）。 样本回归函数： 残差——随机扰动项的估计 ▼回归分析的主要目的：根据样本回归函数SRF，估计总体回归函数PRF。 一、普通最小二乘法（OLS） 给定一组样本观测值（Xi, Yi）（i=1,2,…n）要求样本回归函数尽可能好地拟合这组值. 普通最小二乘法（Ordinary least squares, OLS）给出的判断标准是：残差平方和最小 三. 截距为零的一元线性回归模型 当模型参数估计出后，需考虑参数估计值的精度，即是否能代表总体参数的真值，或者说需考察参数估计量的统计性质。 （2）无偏性，即它的均值或期望值是否等于总体的真实值； （3）有效性(最小方差性)，即它是否在所有线性无偏估计量中具有最小方差。 这三个准则也称作估计量的小样本性质。 拥有这类性质的估计量称为最佳线性无偏估计量（best liner unbiased estimator, BLUE）。 §2.4 拟合优度检验 拟合优度检验 (goodness-of-fit) 拟合优度检验：对样本回归直线与样本观测值之间拟合程度的检验。 度量拟合优度的指标：判定系数（可决系数）R2 Y的观测值围绕其均值的总离差(total variation)可分解为两部分：一部分来自回归线(ESS)，另一部分则来自随机势力(RSS)。 在给定样本中，TSS不变， 如果实际观测点离样本回归线越近，则RSS在TSS中占的比重越大，因此 拟合优度：回归平方和RSS占Y的总离差平方和TSS的比例。 §2.5 变量的显著性检验 与 参数的置信区间