计量经济学-2章：一元线性回归模型(1)教学文案.ppt

计量经济学-2章：一元线性回归模型(1);对变量间统计依赖关系的考察主要是通过相关分析(cotion analysis)或回归分析(regression analysis)来完成的;注意 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。;回归分析(regression analysis)是研究一个变量关于另一个（些）变量的依赖关系的理论和计算方法。其目的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。 被解释变量（Explained Variable）或应变量（Dependent Variable）。 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。;二、总体回归函数;例2.1：一个假想的社区有100户家庭组成，要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。 即如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。 为达到此目的，将该100户家庭划分为组内收入差不多的10组，以分析每一收入组的家庭消费支出。;Date;由于不确定因素的影响，对同一收入水平X，不同家庭的消费支出不完全相同； 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（Conditional distribution）是已知的，例如：P(Y=561|X=800）=1/4。 因此，给定收入X的值Xi，可得消费支出Y的条件均值（conditional mean）或条件期望（conditional expectation）：E(Y|X=Xi)。 该例中：;Date; 由对全体居民的收入和支出的调查结果，我们知道处于不同收入阶层的居民有一个平均的支出水平，这一支出水平与收入大致呈线性关系。;称为总体回归函数（population regression function, PRF）。 ;三、随机误差项;例2.1中，给定收入水平Xi ,个别家庭的支出可表示为两部分之和：（1）该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为系统性（systematic）或确定性（deterministic)部分；（2）其他随机或非确定性（nonsystematic)部分?i。;称为总体回归函数（PRF）的随机设定形式。 表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。 ;随机误差项主要包括下列因素： 在回归模型中被省略的因素的影响； 经济变量之间的合并误差 变量观测值的观测误差的影响； 模型关系的设定误差的影响； 其他随机因素的影响。 ;四、样本回归函数（SRF）; 该样本的散点图（scatter diagram)：; 记样本回归线的函数形式为： ;样本回归函数的随机形式（样本回归模型）; ▼回归分析的主要目的：根据样本回归函数SRF，估计总体回归函数PRF。; 总体回归模型;一、基本假定 1、零均值。随机扰动项ui的均值为零。即， E(ui|Xi)=0 2、同方差。随机扰动项ui的方差相等。即 Var(ui|Xi)=E[(ui-E(ui))|Xi]2 =E(ui2|Xi]2 = ?2 3、无自相关。各个扰动项无自相关。即：;4、随机扰动项ui解释变量Xi不相关。即 Cov（ui，Xi）=E[ui-Eui][Xi-EXi]=0 i=1，2，…，n 5、ui服从正态分布，即 ui~N（0， ?2 ），i=1，2，…，n 上述基本假设也叫线性回归模型的经典假设或高斯（Gauss）假设； 满足上述基本假设的模型称为经典线性回归模型 （classical linear regression model, CLRM ) 注：“假设”只是为了运用ＯＬＳ；并非不满足假设就不能估计！;二、参数的普通最小二乘估计（OLS） ;方程组（*）称为正规方程组（normal equations）。 ;记;几个常