回归分析中几个基本概念.pptVIP

§2.5 随机误差项 一、定义 令 为随机误差项，表示不可观测的随机误差。 在回归分析中，随机误差项起着非常关键的作用。这不仅是由于随机误差项含有丰富的内容，而且被解释变量的统计性质完全由它决定。 对应于xi，Yi的一个具体观测值yi与其条件期望E(Y/xi)之间一定存在偏差。 1、随机误差项可正可负，但在给定xi的条件下，通常假定其数学期望为0。 2、这一假定的具体含义是：虽然一次观测其误差可正可负，但多次重复观测所得到的平均误差为0。 3、也就是说，大量的随机干扰因素对被解释变量Y的总影响由于相互抵消而为0。 关于随机误差项的来源，一般有以下几个方面： 关于随机误差项的几点说明： 二、随机扰动项的来源 1、被省略掉而未进入回归方程但又影响着被解释变量Y的种种因素； （1）理论上尚不清楚或难以确定的因素。 （2）理论上虽然了解某一因素对被解释变量Y的因素，但是在实际中由于受到数据观测在时间、费用及难度上的影响不得不放弃对他的考虑。 （3）一些涉及到人们的思想道德、行为方式、个性偏好等难以用数量来反映的因素。 （4）实践中，构建的模型不仅要求考虑全面，而且也要考虑成本等经济因素。 2、变量的观测误差 3、变量替代造成的误差 4、模型设定误差 5、随机误差 思考题 1、简要回答回归的含义和回归分析的主要内容？ 2、相关分析和回归分析的区别和联系？ 3、用图形表示随机误差项、残差项、实际观测值和拟合值之间的区别和联系。 4、总体回归函数和样本回归函数的区别和联系？ 5、随机误差项的主要来源有哪些？ 第二章 回归分析中的几个基本概念 §2.1 回归的含义 §2.2 统计关系与回归分析 §2.3 总体回归函数 §2.4 样本回归函数 §2.5 随机误差项 §2.1 回归的含义 一、回归概念的来源 “回归”一词首先由F.Galton提出。 高尔顿共考察了1078个家庭，并按父母身高进行了分组。他发现： 父母身高高的，其子女的平均身高也高；父母身高矮的，其子女平均身高也矮。 但给定父母的身高，子女的平均身高却趋向于或者“回归”到全体人口的平均身高的趋势。 回归方程 回归直线 1、如果父母的身高X每增加一个单位，其子女的平均身高Y只增加0.516个单位，说明高个子父母的后代其身高要低于他们的身高； 2、如果父母的身高X每减少一个单位，其子女的平均身高Y只减少0.516个单位，说明矮个子父母的后代其身高要高于他们的身高； 回归方程表明： 这个结论和现实中人体的身高分布是稳定的，没有向两极分化是一致的。这种现象生动地反映了人体身高“回归到中等”的特点。 现代意义上的回归分析是研究一个变量（称为因变量或被解释变量）对另一个或多个变量（也称为自变量或解释变量）的依赖关系，其目的在于通过解释变量的给定值来预测被解释变量的平均值或某个特定值。 如：可支配收入和消费支出（见表2.1）； 失业率与通货膨胀率（见表2.2和图2.2） ； 广告费用、广告媒介以及广告密度与产品销售量之间的关系。 二、回归的现代意义 ①确定回归模型，依据样本观测值对回归模型中的参数进行估计，给出回归方程； ②对回归方程、参数估计值进行显著性检验； ③评价解释变量对被解释变量的贡献，并对其重要性进行判别； ④利用所求的方程，并根据解释变量的给定值对被解释变量进行预测。 三、回归分析的主要内容 §2.2 统计关系与回归分析 1、函数关系：是变量之间的确定性关系，即当给定一个变量 X 后，就可以唯一确定另一个变量 Y 的值。用函数来表示 Y=f（X） 一、变量间的相互关系 经济变量之间的关系，大体可分为两类： dependent variable 被解释变量 independent variable 解释变量 Explained variable 被解释变量 explainnatory variable 解释变量 其中，ε代表除模型中解释变量以外的其他所有因素对被解释变量的影响。 2、统计关系：变量之间的不确定关系。 Stochastic error term 随机误差项 例2.2 下表是1994~2003年10年间我国城镇居民家庭人均收入和人均消费支出的资料： 从上表中可以看出，人均消费随着人均收入的增加而增加，但增加的幅度每年不同。 其关系可以用散点图表示如下： 当已经知道变量之间存在统计依赖关系后，能否根据