第2章_一元线性回归模型(1).pdf

第2章 一元线性回归模型(1) 思考题： 1、回归分析中的变量有何特点？ 2、被解释变量的两个组成部分的含义是什 么？ 3、刻划被解释变量的两个参数分别是什么？ 4、样本回归模型与总体回归模型有何区别？ 5、最小二乘估计法的核心思想是什么？ 6、回归模型参数的估计量是什么？ 思考题： 7、一元线性回归具有哪三个性质？ 8、如何解释回归模型参数的含义？ 2.1 回归的含义 1、变量间的关系 1）相关关系 统计数据显示的关联 2）因果关系 必须以某种理论为基础 注意事项： ①有相关关系并不意味着一定有因果关系 ②回归分析以因果关系的存在为假设前提 2、回归分析的基本原理 1）解释变量 VS 被解释变量 解释变量（X ）：重要原因。已知，为固定值，非 随机变量 被解释变量（Y ）：结果。未知，随机变量。 例如：Y为“风险补偿”；X为“风险” 2、回归分析的基本原理 1）解释变量 VS 被解释变量 解释变量（X ）：重要原因。已知，为固定值，非 随机变量 被解释变量（Y ）：结果。未知，随机变量。 数学模型：Y = f(X) 2、回归分析的基本原理 2）一元回归分析的基础性假设 解释变量（X ）是决定被解释变量（Y ）的重要因 素，同时其他一系列影响因素起作用，但影响较 小。 2、回归分析的基本原理 2）一元回归分析的基础性假设 解释变量（X ）是决定被解释变量（Y ）的根本因 素，其他一系列影响因素起作用，但影响较小。 Y µ X 2、回归分析的基本原理 Y = f(X) + µ µ被称为随机误差项，代表所有其他影响因素的总 和 因此，Y是一个随机变量 刻划随机变量的两个参数： ①期望值 ②方差 2、回归分析的基本原理 2）一元回归分析的基础性假设 假设①：给定解释变量（X ）的取值，被解释变 量（Y ）的期望值由X唯一决定 Y的条件期望值： E (Y | X i ) f (X i ) 等价于 E(µ | X i) = 0 （零条件均值假定） 经济理论与模型构造 投资理论 1、60年前的投资理论 E(风险补偿) =  *风险 问题： 为什么这是错误的理论？ 例如：泳装股或雨伞股；泳装股和雨伞股 2、现代投资理论：CAPM E(风险补偿) =  *市场组合的风险补偿 • 假设对于一个管理基金的投资组合 (“基金 XXX”) 的风险补偿和股市指数的风险补 偿，我们有如下的数据: Year, t Excess return Excess return on market index = r – rf = rm - rf XXX,t t t t 1 17.8 13.7 2 39.0 23.2 3 12.8