《第二章 一元线性回归模型》-公开·课件设计.pptVIP

普通最小二乘估计量（ordinary least Squares Estimators）称为最佳线性无偏估计量 （best linear unbiased estimator, BLUE） 二、参数估计量的概率分布及随机误差项方差的估计 2、随机误差项u的方差?2的估计 由于随机项ui不可观测，只能从ui的估计——残差ei出发，对总体方差进行估计。 可以证明，?2的估计量为 它是关于?2的无偏估计量。 第二章 一元线性回归模型 关于线性回归模型，我们在学习数理统计时已接触过，尽管许多计量经济学模型不是线性的，但由于大部分可以通过一些简单的数学处理，最终转化为数学上的线性问题。因此在这种意义上说，线性模型具有普遍意义，线性回归模型的理论和方法是计量经济学最基本的、最为经典的理论与方法。本章介绍最简单的线性回归模型——一元线性回归模型。 本章主要内容 第一节 模型的建立及假定条件 第二节 一元线性回归模型的参数估计 第三节 最小二乘估计量的性质 第四节 一元线性回归模型的统计检验 第五节 一元线性回归模型的预测 第六节 案例分析 第一节 模型的建立及假定条件 一、回归分析的基本概念 1.回归的一般含义 指某事物发展变化尽管具有不确定性，但总具有一定规律性，并按照这种规律最终回复到某一状态。 2.计量经济学中的回归含义 指经济变量之间非确定的依赖关系可以用某一函数近似表示。Yi围绕f(x)上下波动的趋势称为回归。 ?y3 ?y1 ?y2 ? ? ? ? ? ?yn f(x) y x  3.回归模型的设定 f(Xi)近似地反映了Yi和Xi之间非确定的依赖关系。若用ui表示随机项,则Yi和Xi之间非确定的依赖关系或相关关系可表示为： Yi = f(Xi) + ui 式中Xi为固定变量， ui为随机项, Yi为随机变量。 4.回归分析定义 由一个或一组固定变量来估计或预测某一随机变量的观测值时，所建立的数学模型及所进行的统计分析，称为回归分析。如果该模型是线性的就称为线性回归分析。用以近似地描述具有相关关系的变量间联系的函数f(Xi)称回归函数。 5.相关分析与回归分析之间的关系 相关分析： 相关分析主要研究随机变量间的相关形式和相关程度。 所研究的变量都是随机变量，变量之间的地位是平等的。 变量间线性相关程度的大小由相关系数来衡量。相关系数分为总体相关系数和样本相关系数。 总体线性相关系数： 其中： ——X 的方差； ——Y的方差 ——X和Y的协方差 样本线性相关系数： 其中： 和 分别是变量 和 的样本观测值 和 分别是变量 和 样本值的平均值 注意：不存在线性相关并不一定不相关。 回归分析： 回归分析是研究变量之间的因果关系，即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。其目的在于通过后者的已知或设定值，去估计或预测前者的（总体）均值。 变量之间地位不平等，分为解释变量和被解释变量，前者是固定变量，后者是随机变量。 回归分析的主要内容包括： （1）根据样本观察值对计量经济模型的参数进 行估计，求得回归方程； （2）对回归方程、未知参数进行显著性检验； （3）利用回归方程进行分析、评价及预测。 相关分析和回归分析的主要区别和联系是： 区别： （1）二者的研究目的不同； （2）二者的假设条件不同。 联系： （1）相关分析是回归分析的基础(二者都是研究相关关系)； （2）决定系数(量化拟合优度的量)等于变量之 间相关系数的平方。 二、一元线性回归模型 上述模型中， 若f(Xi)为线性的，这时的模型即为 一元线性回归模型： 随机项中一般包括如下因素： 1.回归模型中省略的变量；2.人们的随机行为；3.建立的随机模型形式不够完善；4.经济变量之间的合并误差；5.测量误差。 三、一元线性回归模型的假设条件 第二节 一元线性回归模型的参数估计 一、明确几个概念 1.总体回归模型 一元线性回归模型： （