第二章-一元线性回归模型.ppt

第二章 一元线性回归模型 回归分析与回归函数 一元线性回归模型的参数估计 一元线性回归模型的统计检验 一元线性回归模型的预测 2.1 回归分析与回归函数 经济变量间的相互关系 不确定的统计关系/相关关系 相关关系的分析 相关分析 两变量 相关关系的分析 假如有一个由100个家庭构成的总体，我们要研究的是每月家庭消费支出Y与每月家庭可支配收入X之间的关系，并要根据已知的家庭可支配收入水平去预测该总体每月家庭消费支出的平均水平。为了研究的方便，把总体100个家庭按收入水平分为10个组，分别考察各组中每个家庭的消费支出。 从上述100个家庭构成的总体的例子可以看出，所研究的总体被解释变量家庭消费支出Y的条件均值 ，是随解释变量X的变化而有规律的变化，如果把Y的条件均值表示为X的某种函数，可写为： PRF的随机设定形式 随机扰动项的引入 假设从100个家庭的总体中各随机抽取10个家庭进行观测，形成了两个随机样本，如表2.2和表2.3所示： 样本回归函数（Sample Regression Function ） 思考： 总体回归函数与样本回归函数的差别？ 相关分析与回归关系的异同？ 2.2 一元线性回归模型的参数估计 一元线性回归模型的基本假定 参数的普通最小二乘估计（OLS） OLS估计线的性质 最小二乘估计量的性质 基本假定 普通最小二乘法（Ordinary Least Squares ，简记为OLS） 解方程组，得 例：根据数据计算 OLS 估计线的性质 OLS 估计量的性质 当不满足小样本性质时，需进一步考察估计量的大样本或渐近性质： 2.3 回归参数的区间估计 参数估计量的概率分布 随机干扰项方差的估计 参数的区间估计 对参数作出的点估计是随机变量，虽然是无偏 估计，但还不能说明估计的可靠性和精确性， 需要找到包含真实参数的一个范围，并确定这 个范围包含参数真实值的可靠程度。 在确定参数估计式概率分布性质的基础上，可 找到两个正数δ和α（ ），使得 区间 包含真实 的概率 为 ，即 这样的区间称为所估计参数的置信区间。 一般情况下, 总体方差 未知，用无偏估计 去代替 ，由于样本容量较小，统计量 t 不再服从正态分布，而服从 t 分布。可用 t 分布去建立参数估计的置信区间。 选定α，查 t 分布表得显著性水平为 ，自由度为 的临界值 ，则有 即 2.4 一元线性回归模型的统计检验 拟合优度检验 回归参数的显著性检验 回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。 拟合优度检验（ R2检验） 度量拟合优度的指标：判定系数（可决系数）R2 （3）可决系数与相关系数的关系 参数的显著性检验 回归分析是要判断解释变量X是否是被解释变量Y的一个显著性的影响因素。 在一元线性模型中，就是要判断X是否对Y具有显著的线性性影响。这就需要进行变量的显著性检验。 点预测值的计算： 区间预测的计算： 点预测值的计算： 区间预测的计算： 2.6 案例分析 提出问题：改革开放以来随着中国经济的快速发展，居民的消费水平也不断增长。但全国各地区经济发展速度不同，居民消费水平也有明显差异。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 研究范围：全国各省市2002年城市居民家庭平均每人每年消费截面数据模型。 （接上页数据表） 表示为 即是说： 第二章 小 结 1、变量间的关系： 函数关系——相关关系 相关系数——对变量间线性相关程度的度量 2、现代意义的回归：一个被解释变量对若干个 解释变量依存关系的研究 实质：由固定的解释变量去估计被解释变量的平均值 3、总体回归函数（PRF）：将总体被解释变量Y的条件均值表现为解释变量X 的某种函数 样本回归函数（SRF）：将被解释变量Y 的样本条件均值表示为解释变量X 的某种函数。 总体回归函数与样本回归函数的区别与联系 4、随机扰动项：被解释变量实际值与条件均值的偏差，代表排除在模型以外的所有因素对Y的影响。 5、简单线性回归的基本假定： 对模型和变量的假定 对随机扰动项u的假定 零均值假定: 同方差假定: