1第二章一元线形回归模型(一).pptVIP

第二章 一元线性回归模型理论与方法 本章主要内容 回归分析概述 线性回归模型及其普遍性 古典线性回归模型的假设 一元线性回归模型的参数估计 最小二乘估计量的统计性质 参数估计量的概率分布与随机项方差的估计 §2.1 回归分析概述Introduction to Regression Analysis 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 一、变量间的关系及回归分析的基本概念 1、变量间的关系 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： △几点注意 不线性相关并不意味着不相关； 有相关关系并不意味着一定有因果关系； 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。 这里前一个变量被称为被解释变量（Explained Variable）或因变量、相依变量（Dependent Variable），后一个（些）变量被称为解释变量（Explanatory Variable）或自变量、独立变量（Independent Variable）。 由于变量间关系的随机性，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。 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）根据样本观察值对计量经济模型参数进行估计，求得回归方程； （2）对回归方程、参数估计值进行检验； （3）利用回归方程进行分析、评价及预测。 二、总体回归函数 ⒈例子 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，如： P(Y=550|X=800）=1/5。 因此，给定收入X的值Xi，可得消费支出Y的条件均值（conditional mean）或条件期望（conditional expectation）： 从散点图发现：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根正斜率的直线上。这条直线称为总体回归线。 ⒊ 概念 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。 三、随机扰动项 ⒈随机扰动项的引入 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。记 由（2.1.2）式，个别家庭的消费支出为： （2.1.3）式称为总体回归函数（方程）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。 ⒉ 随机误差项的影响因素 在解释变量中被忽略的因素的影响； 变量观测值的观测误差的影响； 模型关系的设定误差的影响； 其它随机因素的影响。 ⒊产生并设计随机误差项的主要原因 理论的含糊性； 数据的欠缺； 节省原则。 四、样本回归函数（SRF） ⒈问题的提出 由于总体的信息往往无法掌握，现实的情况只能是在一次观测中得到总体的一组样本。 例2.2：在例2.1的总体中有如下一个样本，问：能否从该样本估计总体回归函数PRF？ 该样本的散点图（scatter diagram)： 样本散点图近似于一条直线，画一条直线以尽可能好地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。该线称为样本回归线（sample regression lines），其函数形式记为： 注意：这里将（2.1.4）看成（2.1.1）的近似替代。 ⒉ 样本回归函数的随机形式/样本回归模型 ⒊ 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。 小结 在实际应用中，我们并不区分总体回归函数（模型）和样本回归函数（模型）。 但我们应了解计量经济学的思想是通过样本来估计或逼近总体，从而应该有总体回归模型和样本回归模型的概念。 总体回归函数（模型）是建立在对总体的完备性调查的基础上。否则，如果只抽取一定样本来研