第二章 双变量模型PPT.ppt

第二章 双变量回归模型及其估计问题;一、回归释义;变量间的关系;回归与相关;二、回归分析的基本概念; 三、总体回归函数;;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， 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。;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。;随机扰动项;u = Y - E (Y | X );例2.1中，个别家庭的消费支出为：;随机误差项主???包括下列因素的影响：; 四、样本回归函数（SRF）;核样本的散点图（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。;五、双变量回归模型的估计问题;;; 当模型参数估计出后，需考虑参数估计值的精度，即是否能代表总体参数的真值; 例2.2.1：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。 ;因此，由该样本估计的回归方程为： ;样本回归线的性质;最小二乘估计量的性质; 高斯—马尔可夫定理(Gauss-Markov theorem) 在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。;参数估计量的概率分布及随机干扰项方差的估计 ;;2、随机误差项?的方差?2的估计;