第二单方程回归模型.pptVIP

第二章 一元回归模型概述 回归分析的性质 回归分析的一些基本概念 对线性的几点说明 §2.1 回归分析的性质 （1）确定性关系或函数关系：研究的是确定现象非随机变量间的关系。 （2）统计依赖或相关关系：研究的是非确定现象随机变量间的关系。（以一定的统计规律呈现出来的关系） 一、变量间的关系及回归分析的基本概念 1、变量间的关系 经济变量之间的关系，大体可分为两类： 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： 例如： 函数关系： 统计依赖关系/统计相关关系： 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。 ▲注意： 回归与因果关系 虽然回归分析研究一个变量对另一（些）变量的依赖关系，但它并不意味着因果关系。Kendall和Stuart认为一个统计关系式不管多么强，也不管多么有启发性，却永远不能确立因果方面的联系，对因果关系方面的理念必须来自统计学之外，最终来自这种或那种理论。 从逻辑上说，统计关系式本身不肯能意味着任何因果关系。要谈因果关系，必须诉诸先验或理论上的思考。 §2.2回归分析的基本思想： 一、利用样本来推断总体 1、总回归函数（PRF） 2、样本回归函数（SRF） 3、样本回归函数对总回归函数的进行拟合： （1）最小二乘法（OLS） （2）最小二乘法的基本假定 （3）最小二乘估计的精度或标准误 （4）最小二乘估计量的性质 （5）拟合优度的度量 （6）区间估计或假设检验 4、利用回归方程进行分析、评价及预测。 1、 回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。 其用意：在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 这里：前一个变量被称为被解释变量（Explained Variable）或应变量（Dependent Variable），后一个（些）变量被称为解释变量（Explanatory Variable）或自变量（Independent Variable）。 二、回归分析的基本概念 对变量测量尺度的注解： 分类尺度（名义尺度） 顺序尺度（序数尺度） 间隔尺度（区间尺度） 比率尺度（比率尺度） 由于变量间关系的随机性，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。 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。 三、总体回归函数 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。 （1）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； （2）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， 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)=561 分析： 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。 0 500 1000 1500 2000 2500 3000 3500 500 1000 15