第六章一元线性回归模型1.pptVIP

* e与Xi的协方差: （2）X和OLS残差的协方差为零。 来自于一阶条件 * * * * * 第6章 线性回归的基本思想 * * 一元回归模型 回归分析的应用： Y和X：某一个总体的两个变量 感兴趣：用X来解释Y，或者说是研究Y如何随X而变化 如： （Y）学生的成绩与（X）班级的规模； （Y）工资收入与（X）受教育的年数； （Y）社区的犯罪率与（X）警察的数量。 * 一元回归的术语 自变量 (independent variable) 解释变量 (explanatory variable) 控制变量 (control variable) 预测变量 (predictor variable) 回归元 (regressor) 因变量 (dependent variable) 被解释变量 (explained variable) 响应变量 (response variable) 被预测变量 (predicted variable) 回归子 (regressand) X Y * 一元回归模型的建立 建立X解释Y的模型时，面临三个问题： （1）既然两个变量之间没有一个确切的关系，应该如何考虑其他影响Y的因素？ （2）Y和X的函数关系是怎样的？ （3）怎样知道是否准确测定出了Y和X之间的关系（因果性效应）？ 下面的简单方程解决了这些问题： * 一元回归模型的定义 变量 u：随机误差项或随机扰动项 表示：除X之外其他影响Y的因素 * 随机误差项 u 的产生 一、理论的不确定性 （现象的内在随机性） 二、模型的简化 核心变量与非核心变量 忽略影响较小的因素 三、数据测量、收集的误差 四、模型函数形式设定错误 * 一元线性回归模型 模型表述了Y和X之间的线性关系。 简单线性回归模型（Simple linear regression model） 又称做两变量或双变量线性回归模型 (The two variable regression model) 如果u中的其他因素保持不变的，即有Δu=0 X对Y具有线性影响，表述如下： ΔY=β ΔX β：Y和X关系式中的斜率参数（slope parameter） α：截距参数（intercept parameter） * 例1 学生的成绩和班级规模 教育学研究者对（其他因素不变时）班级规模如何影响学生成绩感兴趣。 随机误差项u包括了： 学生基础、教师素质等因素 影响的效果由β给出 系数β度量了在其他条件不变的情况下，班级规模对学生成绩的影响： ΔTestScore= βΔClassSize 假使学生的成绩由以下模型所决定： * 例2 简单的工资方程 表示一个人的工资水平与他的受教育程度及其他非观测因素的关系： Wage：工资水平 Educ：受教育的年数 β：(在其他条件不变的情况下)每增加一年教育所获得的工资增长。 其他非观测因素 u 线性性显示，不管X的初始值为多少，它的任何一单位变化对Y的影响都是相同的。 * 计量经济分析中的因果性效应与其他条件不变 其他条件不变：包含在随机误差项中的其他所有相关因素均保持固定不变。 因果性效应：其他条件不变情况下，一个变量对另一个变量产生的影响。 除非极为特殊的情形下，否则不可能…… 经验研究：足够多的其他因素被保持不变 * 问 题 假使期末考试的分数（score）决定于出勤率（attend）和影响考试成绩的其他非观测因素： score= α +β attend+ u 那么这个模型能否满足……？ 其他非观测因素，如：学习动机、能力等 总体回归函数 * * 一个假设的例子 调查全部家庭来认识某一个群体的消费行为 相同的收入对应着不同的消费 X—收入 Y—消费 Y = 17 + 0.6X * 总体分布 相同的收入对应着不同的消费 但消费的条件数学期望落在一条直线上 消费的均值与收入的关系反映了消费与收入之间的本质关系。 50 100 150 200 50 100 150 200 250 300 Y X * 总体回归函数PRF（Population Regression Function） 收入给定值时，消费的条件期望值的轨迹 是一条由收入X确定的直线: E(Y|X) = 17 + 0.6X 自变量给定时因变量的条件期望值的轨迹。 60 80 100 120 140 160 180 50 100 150 200 250 300 Y X * 总体回归函数的确定形式： * 总体回归函数的随机形式： 样本回归函数 * *