1双变量回归模型：基本概念.ppt

对总体回归函数的随机形式（随机设定形式、单值形式）取条件期望： * 随机误差项主要包括下列因素的影响： 1）在解释变量中被忽略的因素的影响； 2）变量观测值的观测误差的影响； 3）模型关系的设定误差的影响； 4）其它随机因素的影响。 产生并设计随机误差项的主要原因： 1）理论的模糊性； 2）数据的欠缺； 3）核心变量和周边变量； 4）人类行为的内在随机性； 5）糟糕的替代变量； 6）节省原则； 7）错误的函数形式。 * 样本回归函数 总体的信息往往无法掌握，现实的情况只能是在一次观测中得到总体的一个样本。 问题：能从一次抽样中获得总体的近似的信息吗？如果可以，如何从抽样中获得总体的近似信息？ * * * 画两条样本回归线尽可能拟合这些散点 * 图中直线（曲线）称为样本回归线 在总体回归函数（总固体回归线）不知情的情况下，无法判断哪一条样本线能代表真实的总体线 姑且他们都能代表总体回归线 但因抽样波动，他们最多只是真实总体线的一个逼近而已 N个不同的样本，将有N个样本回归线，并且可能各不相同 * 该样本的散点图（scatter diagram)： 样本散点图近似于一条直线，画一条直线以尽好地拟合该散点图。由于样本取自总体，可以认为该线近似地代表总体回归线，该线称为样本回归线（SRF）。 记样本回归线的函数形式为： 称为样本回归函数(sample regression function，SRF) * * 样本回归函数的随机形式/样本回归模型： 同样地，样本回归函数也有如下的随机形式： 其中， 称为(样本)残差(或剩余)项，代表其他影响 的随机因素的集合，可看成是 的估计量。 由于方程引入了随机项，成为计量经济模型，因此也成为样本回归模型（sample regression model）。 * * 收入与消费的例子 高估、低估是难以避免的。问题在于：如何最好地估计 * 孙坚强 Ph.D. in Finance jqsunmath@ * 双变量回归模型：基本概念 一、回归的含义 二、回归分析的基本概念 * 1、回归的含义 “回归”的由来 Francis Galton, Karl Person：regression to mediocrity The height of the children of unusually tall or unusually short parents tends to move toward the average height of the population. * 回归的现代含义： * 深入理解 变量间的关系： 经济变量之间的关系，大体可分为两类： 确定性关系或函数关系：研究的是确定现象非随机变量之间的关系。 例：圆面积＝ 统计依赖关系：研究的是非确定现象随机变量间的关系。 例：农作物产量＝f（气温，降雨量，阳光，施肥量等） 对变量间统计依赖关系的考察主要是通过相关分析或回归分析来完成的 * 深入理解 回归分析是研究因变量对另一(些)解释变量的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。 回归分析构成计量经济学的方法论基础，其主要内容包括： （1）根据样本观察值对经济计量模型参数进行估计，求得回归方程； （2）对回归方程、参数估计值进行显著性检验； （3）利用回归方程进行分析、评价及预测。 * 几个例子 1. Reconsider Galton’s law of universal regression. In the modern view our concern is finding out how the average height of sons changes given the fathers’ height. In other words, our concern is with predicting the average height of sons knowing the height of their fathers. * 年龄与身高 * Phillips curve * 概念辨析：回归分析与相关分析 相关分析指线性相关分析。 不线性相关并不意味着不相关 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，即区分因变量和解释变量：前者是随机变量，后者 不是。 * 概念辨析：回归与因果关系 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 正是来自于理论上（或者假设）的因果关系，才假设因变量依赖于自变量。而不是相反。 * 几