第6章 双变量回归模型（1）.pptVIP

第二部分 线性回归模 第6章 双变量线性回归模型 §6.1 回归分析概述 一、回归分析的基本概念 2、回归分析的基本概念 二、总体回归函数 描出散点图 总体回归曲线和总体回归函数 三、随机扰动项 （*）式称为随机或统计总体回归函数。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。 随机误差项的性质 1）在解释变量中被忽略的因素的影响； 2）变量观测值的观测误差的影响； 3）模型关系的设定误差的影响； 4）其它随机因素的影响。 四、样本回归函数（SRF） 问题：能否从一次抽样中获得总体的近似的信息吗？ 该样本的散点图（scatter diagram)： 目的是 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。 思考题 讨论 思考题 §6.2 一元线性回归模型的参数估计 单方程计量经济学模型分为两大类 双变量线性回归模型的特征 一、参数的普通最小二乘估计（OLS） 事实上 推导： 变形公式 引例分析：利用公式计算回归参数 二、普通最小二乘估计量的一些重要性质 记 上述参数估计量可以写成： 称为OLS估计量的离差形式（deviation form）。 在计量经济学中，往往以小写字母表示对均值的离差。 由于参数的估计结果是通过最小二乘法得到的，故称为普通最小二乘估计量（ordinary least squares estimators，OLS）。 在上述家庭可支配收入-消费支出例中，对于所抽出的一组样本数，参数估计的计算可通过下面的表2.2.1进行。 * 第六章 双变量回归模型 第七章 双变量回归模型的假设检验 第八章 多元回归模型 第九章 可化为线性的非线性回归模型 第十章 虚拟变量回归模型 回归分析概述 双变量线性回归的参数估计 利用软件回归的步骤 实例 在经济领域，一个变量的变化常常受其他多个经济变量的影响。为描述这些变量之间的关系，研究这些变量之间的变化规律，通常要建立计量经济模型，研究模型参数，进而利用计量经济模型进行预测。 假设只有一个重要变量X影响变量Y变化，且它们之间的关系是线性的，则建立的应是一元线性回归模型(也叫双变量线性回归模型)。 1、变量间的关系 经济变量之间的关系，大体可分为两类： (1) 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。 (2) 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。 例如：函数关系 统计依赖关系/统计相关关系： 对变量间统计依赖关系的考察主要是通过相关分析或回归分析来完成的： 相关分析：主要研究随机变量间的相关形式及相关程度 回归分析：研究具有因果关系的相关变量间依存关系 完全正相关 不完全相关 完全不相关 完全负相关 不完全负相关 曲线相关 回归分析(regression analysis) 　 是研究一个变量(称为被解释变量或应变量)关于另一个或多个变量（解释变量或自变量）的具体依赖关系的计算方法和理论。 回归分析的主要目的： （1）根据样本建立回归方程,由自变量取值,估计应变量的均值; （2）对回归方程、参数估计值进行显著性检验 （3）利用回归方程进行分析、评价及预测。 　 用Y代表应变量,用X代表解释变量或自变量。 　 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。 　 引例：一个假想的社区有100户家庭组成，要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。 即如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。 　 为达到此目的，将该100户家庭划分为组内收入差不多的10组，以分析每一收入组的家庭消费支出。 0.167 0.111 0.100 0.077 0.071 0.077 0.077 0.091 0.167 0.250 条件概率P 2585 2365 2146 1925 1705 1485 1265 1045 825 605 条件均值 19010 24485 24360 27625 26170 21305 18145 12895 6050 3220 合计 　 　 　 　 2002 　 　 　 　 　 　 　 　 2200 1947 1716 1485 　 　 　 　 　 　 2112 1870 1650 1430 　 　 　 　 　 　 2101 1804 1606 1