第6章 线性回归的基本思想——双变量模型.pdf

第6章 线性回归的基本思想 ——双变量模型 第6章 第6章 6.1 回归的含义 6.2 总体回归函数 6.3 总体回归函数的统计或随机设定 6.4 随机误差项的性质 6.5 样本回归函数 6.6 “线性”回归的特殊含义 6.7 从双变量回归到多元线性回归 6.8 参数估计：普通最小二乘法 6.9 综合 6.10 一些例子 6.11 总结 2 第6章 第6章 6.1 回归的含义 回归分析是用来研究一个变量（称之为被解释变 量explained variable 或应变量dependent variable ）与 另一个或多个变量（称之为解释变量explanatory variable 或自变量independent variable ）之间关系的 一种分析方法。 例如研究商品的需求量与该商品的价格、消费者 的收入以及其他同类商品的价格之间的关系。 通常我们用Y表示应变量，用X表示自变量。 3 第6章 第6章 回归分析是用来处理一个应变量与另一个或多个 自变量的关系，但它并不一定表明因果关系的存在。 两个变量是否存在因果关系，哪一个是应变量，哪一 个是自变量是由正确的经济理论决定的。 需要注意的是具有因果关系的变量之间一定具有 数学上的相关关系，而具有相关关系的变量之间并不 一定具有因果关系。 例如：中国的国内生产总值与印度的人口之间具 有较强的相关性（相关系数较高），因为二者都以较 快的速度增长，但显然二者之间不具有因果关系。 4 第6章 第6章 回归分析的应用  （1）通过已知变量的值来估计应变量的均值  （2）根据经济理论建立适当的假设并对其进行 检验  （3）根据自变量的值对应变量的均值进行预测  （4）上述多个目标的综合 5 第6章 第6章 6.2 总体回归函数:假想一例 下面我们通过一个具体例子说明回归分析的用途。 表6-1 每周博彩支出和每周个人可支配收入 个人可支配收入 每周博彩支出 消费者 150 175 200 225 250 275 300 325 350 375 1 28 33 35 36 38 40 42 43 45 46 2 27 31 31 34 36 37 39 35 39 40 3 25 29 30 31 33 32 34 31 33 34 4 33 27 28 29 30 30 31 30 30 31 5 23 24 26 27 28 29 30 29 27 28 6 15 20 22 26