计量经济学第03章 节 一元线性回归模型_第2节_27.pptVIP

第二节 线性回归分析 一、回归分析 （一）回归分析的概念 “回归”一词最初是由英国统计学家Galton 提出来的，高尔登曾经调查了1078户父亲身高和 子女身高，于1889年发表了一篇关于遗传学的论 文。在这篇论文里，他指出:（1）父亲个子高的 子女个子也高，父亲个子低的子女个子也低。 （2）但平均来说，高个子父亲的子女平均身高要 低于父亲的平均身高，低个子父亲的子女平均身 高要高于他们父亲的平均身高。也就是说，他们 都有“回归”到父亲身高的趋势。不然的话，人类 的身高就会出现两极分化，这就是著名的 “回归 规律”。从此回归一词就成为统计学研究事物间 相互关系的通用语，并广泛用于生物学、心理学、 教育学、经济学等各个学科领域。 研究现象之间的一般关系求出关系方程式， 由此根据某变量的一个值推断出另一变量的可能 值，就称为回归分析。它实际上是将相关现象间 不确定的数量关系一般化。用求出的关系方程式 表示的直线或曲线来代表现象之间的一般数量关 系。这条直线或曲线叫回归直线或回归曲线。 （二）回归分析与相关分析的联系与区别 回归分析与相关分析有着密切的联系。一方 面相关分析是回归分析的基础和前提，如果缺少 相关分析，没有从定性上说明现象之间是否具有 相关关系，没有对相关关系的密切程度作出判断， 就不能进行回归分析，即使勉强进行了回归分析， 也是没有意义的；另一方面回归分析是相关分析 的深入和继续，仅仅说明现象间具有密切的相关 关系是不够的，只有进行了回归分析，拟合了回 归方程，才可能进行有关的分析和预测，相关分 析才有实际的意义。 回归分析与相关分析有如下区别： （1）相关分析所研究的两个变量是对等关系， 回归分析所研究的两个变量不是对等关系，必须 根据研究目的，先确定一个为解释变量，另一个 为被解释变量。 （2）对两个变量和来说，相关分析只能计算 出一个反映两变量间相关关系密切程度的相关系 数，计算中改变和的地位不影响相关系数的数值； 回归分析却要分析两变量或多变量之间相关的形 式，即回归方程。 （3）相关分析对资料的要求是，两个变量都 必须是随机的；而回归分析对资料的要求是，解 释变量是固定的，被解释变量是随机的。 二、总体回归函数（PRF） 下面我们通过一个例题来说明回归分析是如 何进行的。 假定有60户家庭组成一个总体，目的是要研 与每一个月家庭可 之间的关系，以及如何估计对应于 表示每组收入水平的组 表示每组的消费支出），根据表里数据做 究每一个月的家庭消费支出 可支配收入 某一特定家庭收入水平的平均家庭消费支出。为 此，我们将60户家庭按照大致相同的收入水平划 分为十个组，再观察每组的家庭消费支出。将观 测数据列成表3.3（表中 中值， 出散点图见图3.3。 对应每一个收入水平，都可以得到一个条件 ，说明 是 的一个函数，用 均值 的一个函数，用公式表示即为： （3.7） 式(3.7)所代表的函数为总体回归函数，常记 为PRF ( Population Regression Function ) 。PRF 描述了总体的平均变化情况。至于总体回归函数 具体取什么函数形式，需要根据实验知识和经济 理论来确定。 、 是未知的但取值为固定值的参数，称 的 对于每个 有 （3.9） 其中 为回归参数或回归系数。若知道了参数 、 值，则可确定出总体回归函数，即确定了总体中 家庭消费支出对家庭收入的平均依赖程度，进而 又可根据这个总体回归函数，预测出对应某一特 定水平的（总体）平均消费支出。方程（3.9）又 称为总体线性回归函数。 三、关于线性的含义 关于线性的含义在计量经济学中有两种理解: 一种是对模型中的变量而言，即Y的条件均值 是变量 的线性函数。 例如（3.9）式 就是线性回归函 数，该回归线是一条直线，而 就不是线性函数 ，因为 关于 的一阶导数不是常数。 另一种是对模型中的参数而言，即Y 的条件 为“线性的”无关。 均值是参数的线性函数，而与模型中的变量是否 另一种是对模型中的参数而言，即Y 的条件 为“线性的”无关。 均值是参数的线性函数，而与模型中的变量是否 例如 或 都是线性回归函数，而 或 则不是线性回归函数，而是 非线性回归函数。 四、随机扰动项 总体回归函数 只是描述了总体变化情 况，也就是说回归直线只是在其它条件保持不变 但就个别家庭来说，其消费支出就不全在这条直 的情况下，代表平均消费和收入之间的精确关系， 线上，而是围绕着这条直线上下波动，与该点的 均值产生一个偏差。在计量经济学中，为了更完 善地描述个别家庭消费者支出的变化情况，特引 进一个变量 （也可以用 表示）。 （3.10） （3.11） （3.10） （3.11） （3.11）式就是描述家庭实际消费支