中央财经大学计量经济学2 双变量线性回归复习课程.ppt

第二章 双变量线性回归; 回归分析概述 模型的基本假设 模型的参数估计 模型的统计检验 模型的预测 实例;2.1 回归分析概述; 确定性关系或函数关系：研究的是确定 现象非随机变量间的关系。 统计依赖或相关关系：研究的是非确定现象随机变量间的关系。 ;对变量间统计依赖关系的考察主要是通过相关分析(correlation analysis)或回归分析(regression analysis)来完成的。 相关分析对称地对待任何（两个）变量，两个变量都被看作是随机的。回归分析对变量的处理方法存在不对称性，即区分因变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。;回归分析的基本概念 回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。 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。 被解释变量（Explained Variable）或因变量（Dependent Variable）。 解释变量（Explanatory Variable）或自变量（Independent Variable）。; 回归分析构成计量经济学的方法论基础，其主要内容包括：;;由于不确定性因素的影响，对同一收入水平 X，不同家庭的消费支出并不完全相同； 但由于调查的完备性，给定收入水平 X 的消费支出 Y 的分布是确定的，即以 X 的给定值为条件的 Y 的条件分布（Conditional distribution）是已知的，例如：P(Y=561|X=800）=1/4。;因此，给定收入 X 的值 Xi ，可以得到消费支出Y的条件均值（conditional mean）或条件期望（conditional expectation）：E( Y | X = Xi )。 该例中：E(Y | X = 800) = 605 描出散点图发现：随着收入的增加，消费“平均地说”也在增加，且 Y 的条件均值均落在一条正斜率的直线上。这条直线称为总体回归线。;0;在给定解释变量 Xi 条件下被解释变量 Yi 的期望轨迹称为总体回归线（population regression line），或更一般地称为总体回归曲线（population regression curve）。 相应的函数：;含义：总体回归函数（PRF）说明被解释变量 Y 的平均状态（总体条件期望）随解释变量 X 变化的规律。 函数形式：可以是线性或非线性的。 例子中，将居民消费支出看成是其可支配收入的线性函数时: ; “线性”一词的含义（有两种解释）;三、随机扰动项; 上例中，给定收入水平 Xi ,个别家庭的支出可表示为两部分之和： 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； 其他随机或非确定性（nonsystematic)部分为 ui 。 称为总体回归函数（PRF）的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。;随机误差项的意义 理论的模糊性 数据的欠缺 核心变量与周边变量 人类行为的内在随机性 糟糕的替代变量 节省原则（Occam’s razor） 错误的函数形式;四、样本回归函数（SRF）;该样本的散点图（scatter diagram)如下：;样本回归线可以看成总体回归线的近似替代。 样本回归线的函数形式为： 即为样本回归函数（sample regression function，SRF）。;样本回归函数的随机形式/样本回归模型：; 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。;2.2 模型的基本假设;家庭消费支出Y是家庭收入X的条件概率函数P(Y |Xi)。 这个概率函数有三个明显特征： 对于不同的X，条件概率P(Y|Xi)的分布函数形式不同 对于不同的X，条件概率P(Y|Xi)的方差不同 对于不同的X，条件概率P(Y|Xi)的均值E(Y)一般不在同一条直线上; 对于这样的概率函数进行数学分析是非常困难的，目前还没有较好的解决办法。为了简化数学分析，通常对实际情况进行抽象，做一些假设：; P(; 1）重复抽样中，解释变量 是一组固定的值或 虽然是随机的，但与干扰项 独立；;;假定2：随机误差项ui的方差与i无关，为一个常数，