计量经济学 第二章 回归分析中的几个基本概念.pptVIP

第二章 回归分析中的几个基本概念 §2.1 回归的含义 §2.2 统计关系与回归分析 §2.3 总体回归函数 §2.4 样本回归函数 §2.5 随机误差项 §2.1 回归的含义 1、如果父母的身高X每增加一个单位，其子女的平均身高Y只增加0.516个单位，说明高个子父母的后代其身高要低于他们的身高； 2、如果父母的身高X每减少一个单位，其子女的平均身高Y只减少0.516个单位，说明矮个子父母的后代其身高要高于他们的身高； 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确定因变量与自变量之间的回归模型，并依据样本观测值对回归模型中的参数进行估计，给出回归方程； ②对回归方程、参数估计值进行显著性检验； ③评价自变量对因变量的贡献，并对其重要性进行判别； ④利用所求的方程，并根据自变量的给定值对因变量进行预测，对自变量进行控制。 §2.2 统计关系与回归分析 1、函数关系：是变量之间的确定性关系，即当给定一个变量X后，就可以唯一确定另一个变量Y的值。用函数来表示 Y=f（X） 变量之间的函数关系表达的是变量之间在数量上的确定性关系，即一个或几个变量在数量上的变动就会引起另一个变量在数量上的变动。 他们之间的关系可以用函数关系Y=f（X）准确地加以描述。 例如，圆的面积与半径的关系；行驶里程与打的费的关系等等。 2、统计关系：变量之间的不确定关系。 统计关系是指一个或几个变量在数量上的变动会引起另一个变量数量上发生变动，但变动的结果不是唯一确定的，亦即变量之间的关系不是一一对应的。 例如，食品消费支出与家庭收入之间的关系；农作物产量与施肥量之间的关系等等。 他们之间的关系可以表示如下： 由此可见，统计关系可以通过函数关系加一个随机变量予以描述。 为了更直观地了解变量之间的统计关系，我们来看一个实际的例子。 例2.2 下表是1994~2003年10年间我国城镇居民家庭人均收入和人均消费支出的资料： 也就是说，虽然人均消费支出随着人均收入水平的增加而增加，但两者之间却不能用线性关系准确地表达出来，只能近似的认为具有某种关系。 当已经知道变量之间存在统计依赖关系后，能否根据一个变量的值来预测另一个变量的平均值或者个别值，或者根据给定的变量值来控制另一个变量的值？这就涉及到回归分析的内容。 相关分析和回归分析虽然都是研究两个或两个以上变量之间的关系，但二者既有区别又有联系。 （1）区别： A.研究目的不同： 前者主要研究变量之间是否存在线性关系以及这种关系的强弱程度（对等）； 后者则是在前者的基础上进一步研究变量间的联系方式，以便在给定一个或几个变量值的条件下预测或控制另一个变量的值（不对等）。 B.假设条件不同： 前者假设研究的两个变量都是随机的； 后者一般都假定解释变量是确定的，非随机的。在重复抽样中取固定的值；被解释变量是随机的，他有一个概率分布。 （2）联系： A.相关分析是回归分析的基础 在进行回归之前，一般要确定变量间的关系是否密切，要依赖于相关分析）； B.回归分析中的拟合优度或决定系数等于变量之间相关系数的平方。 §2.3 总体回归函数（Population Regression Function） 1、由于不确定因素的影响，对同一可支配收入水平X，不同家庭的消费支出不完全相同； 2、但由于调查的完备性，给定可支配收入水平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的概率分布是已知的，如P(Y=56/X=80)=1/5。 3、因此，给定收入X的值，可得消费支出Y的条件均值或条件期望，如E(Y/X=80)=65 类似地，有： E(Y/X=220)=133×1/7+139×1/7+ 140×1/7 +152×1/7+155×1/7+ 160×1/7+164×1/7=149 表2.4表明： （1）对应每一个给定的x值，Y的取值是一个概率分布。即表中的每一列是一个条件分布; （2）表2.1最后一行恰好是给定x的情况下对应的条件数学期望。 1、虽然不同的家庭消费支出存在差异，但平均来说，随着可支配收入的增加，家庭消费支出也在增加。 2、进一步地，这个例子中Y的条件均值恰好落在一根正斜率的直线上，这条直线称为总体回归线。 3、从几何意义上说，总体回归线是当自变量X取给定值时，因变量Y的条件均值。 图2-5表明：条件期望E(Y/X=x)是X的函数，即E(Y/X=x)可以表示为以下形式：