Chp 2 线性回归的基本的思想 经济计量学 .pptVIP

第一部分 线性回归模型;主要内容;一、回归的含义;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。;相关、回归与因果关系 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。 回归分析/相关分析研究一个变量对另一个（些）变量的统计依赖关系，但它们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，即区分应变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。;二、总体回归函数（PRF）;例：每周博彩支出和个人可支配收入;每周博彩支出和个人可支配收入散点图;例2.1：一个假想的社区有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。;某社区家庭每月收入与消费支出统计表;由于不确定因素的影响，对同一收入水平X，不同家庭的消费支出不完全相同； 但由于调查的完备性，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，例如：P(Y=561|X=800）=1/4。;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）：E(Y|X=Xi)。 该例中：E(Y | X=800)=605 描出散点图发现：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。;0;在给定解释变量Xi条件下被解释变量Yi的期望轨迹称为总体回归线（population regression line），或更一般地称为总体回归曲线（population regression curve）。;含义：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。;三、随机误差项;例2.1中，给定收入水平Xi ,个别家庭的支出可表示为两部分之和： （1）该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为系统性（systematic）或确定性（deterministic)部分； （2）其他随机或非确定性（nonsystematic)部分 ui 。;称为总体回归函数（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。 ;随机误差项主要包括下列因素： 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； 其他随机因素的影响。 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——“奥卡姆剃刀原则”。;四、样本回归函数（SRF）; 该样本的散点图（scatter diagram)：;; 注意：这里将样本回归线看成总体回归线的近似替代;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。;这就要求： 设计一“方法”构造SRF，以使SRF尽可能“接近”PRF，或者说使bi(i=0,1)尽可能接近Bi(i=0,1) 注意：这里PRF可能永远无法知道。;五、“线性”回归的特殊含义;;从双变量回归到多元线性回归;说 明：;回归分析的主要目的是要通过样本回归函数（模型）SRF尽可能准确地估计总体回归函数（模型）PRF。 估计方法有多种，其中最广泛使用的是普通最小二乘法（ordinary least squares, OLS）。 为保证参数估计量具有良好的性质，通常对模型提出若干基本假设。 实际这些假设与所采用的估计方法紧密相关。;最小二乘原理： 对于双变量的PRF，;参数的普通最小二乘估计（OLS） ;方程组（*）称为正规方程组（normal equations）。 ;记;顺便指出 ：;例：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表进行。 ;因此，由该样本估计的回归方程为： ;OLS估计量的性质（P28）;七、案例分析;本章小结——回归分析的思想;第二章作业