计量经济学-2一元线性回归模型.pptVIP

第一节 概念 第二节 回归模型 第三节 参数的最小二乘估计 第四节 模型检验 第五节 预测 小结;第一节 基本概念 1、确定性关系 若一个变量能够被一个或若干个其它变量的数值按某一规律唯一地确定。 2、非确定性关系（相关关系或回归关系） 若一个变量不能根据其它有关变量的数值精确地求出其数值，但可以通过大量的统计资料得出它们之间的数量变化规律。 3、相关分析 主要研究变量之间的相互关联程度，用相关系数表示。包括简单相关和多重相关（复相关）。 4、回归分析（Regression Analysis） 研究一个变量（因变量）对于一个或多个其他变量（解释变量）的数量依存关系。其目的在于根据已知的解释变量的数值来估计或预测因变量的总体平均值。; 分析因变量与解释变量之间的统计依赖关系，目的在于通过后者的已知或设定值去估计或预测前者的均值。 这里：前一个变量被称为被解释变量（Explained Variable）或应变量（Dependent Variable），后一个（些）变量被称为解释变量（Explanatory Variable）或自变量（Independent Variable）。 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。;例如， 函数关系：; ①不线性相关并不意味着不相关； ②有相关关系并不意味着一定有因果关系； ③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。 ④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，即区分应变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。; X Y;Y;总体回归模型： ;一、几个概念 1.条件分布（Conditional distribution）：以X取定值为条件的Y的条件分布。 2.条件概率（Conditional probability）：给定X的Y的概率，记为P(Y|X)。 例如，P(Y=55|X=80)=1/5；P（Y=150|X=260）=1/7。 3.条件期望（conditional Expectation）：给定X的Y的期望值，记为E(Y|X)。 例如，E(Y|X=80)=55×1/5＋60×1/5＋65×1/5＋70×1/5＋75×1/5＝65 4.总体回归曲线（Popular Regression Curve）（总体回归曲线的几何意义）：当解释变量给定值时因变量的条件期望值的轨迹。;二、总体回归函数（ Popular Regression Function，PRF） E(Y|Xi)=f(Xi) 当PRF的函数形式为线性函数，则有， E(Y|Xi)=?0+?1Xi 其中?0和?1为未知而固定的参数，称为回归系数。?1和?2也分别称为截距和斜率系数。上述方程也称为线性总体回归函数。 三、“线性”的含义 “线性”可作两种解释：对变量为线性，对参数为线性。一般“线性回归”一词总是指对参数?为线性的一种回归（即参数只以它的1次方出现）。 四、PRF的随机设定 将个别的Yi围绕其期望值的离差(Deviation)表述如下： ui=Yi-E(Y|Xi) 或 Yi=E(Y|Xi)+ui 其中ui为随机误差项（Stochastic error）或随机干扰项（Stochastic disturbance）。线性总体回归函数： PRF：Yi=?0+?1Xi+ui=E(Y|Xi)+ui ;五、随机扰动项的意义 随机扰动项是从模型中省略下来的而又集体地影响着Y的全部变量的替代物。显然的问题是：为什么不把这些变量明显地引进到模型中来，而以随即扰动项来替代？理由是多方面的： （1）理论的含糊性：理论不能完全说明影响因变量的所有影响因素。 （2）数据的欠缺：无法获得有关数据。 （3）主要变量与次要变量：希望能找到与有较大影响的核心变量的关系。 （4）内在随机性：因变量具有内在的随机性。 （5）替代变量差异：替代变量和被替代变量之间总是存在一定的差异。 （6）简化原则：研究中尽可能使回归式简单。;六、样本回归函数（SRF，Sample Regression　Function） 由于在大多数情况下，我们不可能得到X、Y的所有可能的数值，只能用抽样的方