第二章 回归分析基本方法PPT.ppt

第二章 回归分析的基本方法;§2.1 回归分析概述;§2.1 回归分析概述;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：; ①不线性相关并不意味着不相关； ②有相关关系并不意味着一定有因果关系； ③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。 ④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。; 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。;概念：; 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、随机扰动项; （*）式称为一元总体回归函数（方程）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。;随机误差项主要包括下列因素的影响：; 四、一元样本回归函数（SRF）;该样本的散点图（scatter diagram)：; 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。;§2.2 线性回归模型 ; 一、多元线性回归模型;也被称为总体回归函数的随机表达形式。它 的非随机表达式为:;总体回归模型n个随机方程的矩阵表达式为 ;样本回归函数：用来估计总体回归函数;二、多元线性回归模型的基本假定 ;上述假设的矩阵符号表示 式：;假设4，向量? 服从多维正态分布，即 ;§2.3 线性回归模型的参数估计 ;一、普通最小二乘估计;于是得到关于待估参数估计值的正规方程组： ;正规方程组的矩阵形式;将上述过程用矩阵表示如下： ;?正规方程组 的另一种写法;?样本回归函数的离差形式;?随机误差项?的方差?的无偏估计 ;二、最大似然估计;对数似然函数为; 三、参数估计量的性质; 2、??偏性 ;其中利用了 ; 四、样本容量问题 ; 2、满足基本要求的样本容量 ;五、线性回归模型的参数估计实例; 1、中国居民人均消费模型; 该两组数据是1978~2000年的时间序列数据（time series data）；;一般可写出如下回归分析结果：;2、时间序列问题 ; 可决系数R2，考察被解释变量Y的变化中可由解释变量X的变化“解释”的部分。 这里“解释”能否换为“引起”?;3、多元线性回归模型的参数估计实例 ;Eviews软件估计结果