回归的特殊含义变量线性.ppt

第二章 线性回归的基本思想： 双变量模型 2.1　回归的含义 回归分析的目的： 根据自变量的取值，估计应变量的均值。 检验（建立在经济理论基础之上的）假设。 根据样本外自变量的取值，预测应变量的均值。 可同时进行上述各项分析。 图2-1 家庭年收入与数学S.A.T分数 2.2 总体归函数（PRF）：假想一例 图2-1 家庭年收入与数学S.A.T分数 2.3 总体回归函数的统计或随机设定 2.4 随机误差项的性质 2.5 样本回归函数 2.5 样本回归函数 2.6 “线性”回归的特殊含义 变量线性：线性的第一种、也是最“本质”的含义是应变量的条件均值是自变量的线性函数。 参数线性：线性的第二种解释是应变量的条件均值是参数的线性函数，而变量之间并不一定是线性的。 2.6 “线性”回归的特殊含义 2.7 从双变量回归到多元线性回归 2.8 参数估计：普通最小二乘法 2.9 综合应用 对数学S.A.T分数回归结果的解释 2.10 一些例子 例2.2 奥肯定律 =失业率的变化（百分数） =实际产出的增长率（百分数，用实际GDP度量） 2.5= 美国长期产出增长率。 例2.3 股票价格与利率 例2.4 美国中值房价与抵押贷款利率（1980-2007） 2-* Copyright ? 2006 The McGraw-Hill Companies, Inc. All rights reserved. McGraw-Hill/Irwin Venn diagram. 1． 误差项代表了未纳入模型变量的影响。 2． 即使模型中包括了决定数学分数的所有变量，其内在随机性也不可避免，这是做任何努力都无法解释的。 3． 还代表了度量误差。 4． “奥卡姆剃刀原则”——即描述应该尽可能简单，只要不遗漏重要的信息。 普通最小二乘估计量的一些重要性质 1.用OLS法得出的样本回归线经过样本均值点，即： 2.残差的均值 （ ）总为0。 3.对残差与解释变量的积求和，其值为零；即这两个变量不相关。 (2.19) 这条性质也可用来检查最小二乘法计算结果。 4.对残差与 （估计的 ）的积求和，其值为0；即 为0（见习题2.25）。 对数学S.A.T分数回归结果的解释 例2.1 受教育年限与平均小时工资 2-*