第2章一元线性回归模型１.pptVIP

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？ 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 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” 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。 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）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 = 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）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： 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: 散点图 2）一元回归分析的基础性假设 假设②： 被解释变量（Y）的观察值围绕 E（Y | X）波动，波动幅度由所有其他影响因 素μ决定 被解释变量（Y）的观察值围绕E（Y | Xi）波动，波动幅度由所有其他影响因素μ决定 （1）由于其他因素的影响，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的条件分布是已知的， 例如： P(Y=561|X=800）=1/4。 概念： 总体回归函数（PRF）说明被解释变量Y的平均值（总体条件期望）随解释变量X变化的规律。 2.3 随机误差项 总体回归函数说明在给定的收入水平Xi下，该社区家庭平均的消费支出水平。 但对某一个别的家庭，其消费支出可能与该平均水平有偏差。 在假想一例中，个别家庭的消费支出为： （*）式称为随机总体回归函数。表明被解释变量除了受解释变量的确定性影响外，还受其他因素的随机性影响。 计量研究目标 1、X对Y的具体影响： 2.4样本回归函数（SRF） 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？ 2.5 样本回归函数（SRF） 上述样本的散点图 上述样本的散点图 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，可以该线近似地代表总体回归线。该线称为样本回归线 这里将样本回归线看成总体回归线的近似替代 两个问题 1、如何确定样本回归线？ 即计算 两种不同的视角 随机形式：无数个可能的样本。对应无数个可能的截距项和斜率项 观察值形式：一个已知的样本。对应一个确定的截距值和斜率值 2.6 “线性”回归的特殊含义 1、解释变量的线性 2.7 多元线性回归 第3章 参数的普通最小二乘估计（OLS） 给定一组样本观测值（Xi, Yi）（i=1,2,…n） 要求样本回归函数尽可能好地拟合这组值. 参数的普通最小二乘估计（OLS） 普通最小二乘法（OLS）给出的判断标准是：参差的平方和RSS 推导?i帽 估计量 VS 估计值 估计量是一个随机变量，对应于随机样本，公式中的Y