第3章 回归分析的性质和基本概念PPT.ppt

第三章 回归分析的基本概念;◆ 学习目的;第一节 回归分析释义;第五节 随机干扰项;“回归”的历史溯源： “回归”一词最先由弗朗西斯?高尔顿（Francis Galton）提出。 高尔顿发现一个趋势： 父母高，儿女也高；父母矮，儿女也矮。但给定父母的身高，儿女辈的平均身高却趋向于或者“回归”到全体人口的平均身高。换言之，尽管父母都异常高或异常矮，但儿女的身高却有走向人口平均身高的趋势。换句话说，尽管父母都异常矮或异常高，但儿女的身高却有走向人口总体平均身高的趋势。 ——普遍回归定律（law of universal regression） ; 回归的定义;例 高尔顿的普遍回归定律;勾画一条通过这些散点图的直线，以表明儿子的平均身高是怎样随父亲的身高增加而增加。 这条线叫做回归线(regression line)。 如下图是不同年龄处测度的男孩身高的总体分布。身高随着年龄增加而增加，通过给定年龄平均身高画一条线。;例 菲利普斯曲线;例 通货膨胀率;经济学家想研究个人消费支出对可支配个人收入的依赖关系。这种分析有助于估计边际消费倾向（MPC），也就是实际收入每元价值的变化所引起的消费支出的平均变化。 一位能设定价格或产出的垄断商，想知道产品需求对价格变化的实际反应，通过定价实验能估计出产品需求的价格弹性（price elasticity），即产品需求对价格变化的灵敏程度，从而有助于确定最有利可图的价格。;其 他 例 子; 计量经济研究是对经济变量之间关系的研究，针对某一具体 经济问题展开研究时，首先需要考察的就是相关经济变量之间有 没有关系、有什么样的关系。 ;函数关系 ;相关关系 ;第三节 符号术语数据; 如果我们研究一个变量对一个解释变量的依从关系，如消费支出对实际收入的依赖，则称这种研究为简单（simple）或双变量回归分析(two-variable regression analysis)。 如果我们研究一个变量对多个解释变量的依赖性，如农作物收成依赖降雨、气温、阳光和施肥一例，则称它为复回归分析(multiple regression analysis)。 换句话说，在双变量回归中只有一个解释变量，在复回归中则有多于一个解释变量。 ;符号;数据;1）时间序列数据??;特点：可以在有规则的时间间隔收集 Example：每日（股票价格）、每周（联邦储备委员会提供的货币供给数字）、每月（失业率、消费者价格指数CPI）、每季（如GNP）、每年（政府预算）、每5年（制造业普查资料）、每10年（人口普查资料），有些数据每季和每年都有公布，如GDP和消费者支出数据。极短时间的数据也可以搜集，如股票价格数据，可以得到连续数据（实时牌价）。 ;平稳的时间序列数据 如果一个时间序列的均值和方差不随时间而系统的变化，那它就是平稳的。 ;2）横截面数据；;3）面板数据；;数据来源;变量的测量尺度;1．总体回归曲线;每个收入组的周消费支出都有相当大的变化，尽管如此，看平 均值，周消费支出随着收入的上升而上升。 ;条件期望值(conditional expected values);注意区分条件期望 和无条件期望 ： 1. 问：一个家庭周消费支出的期望值是多少？ 答：如果我们将总体中所有60个家庭的消费支出加总除以60，得到121.20（7272/60）美元，这就是周消费支出的无条件均值或无条件期望值 。得到该数字并不关心各个家庭的收入水平。 2. 问：一个月收入为140美元的家庭的周消费支出的期望值是多少？ 答：101美元（条件均值）。 因此，对收入水平的了解能使我们更好的预测消费支出的均值，这可能正是回归分析的本质。;总体回归线（population regression line, PRL）;条件均值;2. 总体回归函数; ;都是线性回归模型。;习题 如下模型是线性回归模型吗？为什么是或为什么不是？; ;3．线性回归模型的普遍性;对于其他复杂的函数形式，可通过级数展开化为线性形式;+余项;习题 考虑如下非随机模型（即不含随机误差项的模型）。它们是线性回归模型吗？若不是，可能通过适当的代数变换使之转化成线性模型吗？;第六节 随机误差项;个别家庭的消费支出与给定收入水平之间有什么关系？ 给定收入水平X 的个别家庭的消费支出聚集在收入为X 的所有家庭的平均消费支出的周围，即围绕着它的条件均值。因此，个别的Y 围绕它的期望值的离差(deviation)表示为：;其中离差ui 是一个不可观测的可正可负的随机变量，称为随机干扰(stochastic