计量经济学-2一元线性回归模型(1)复习过程.ppt

计量经济学-2一元线性回归模型(1);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。; 分析被解释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。 例，假定一个地区的所有家庭的收入（X）和消费支出（Y）统计如下，希望知道家庭消费支出与家庭收入之间的关系：Y=F（X）。;Y;二、回归模型 总体回归模型： ;1、几个概念 条件分布(Conditional distribution):以X取定值为条件的Y的条件分布。 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。 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 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。 2、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。 ?0和?1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。 3、“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）。 ;4、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 5、随机扰动项的意义 随机扰动项是从模型中省略下???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。;6、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，只能用抽样的方法，取得X、Y的样本观测值，用样本回归方程SRF去拟合总体回归方程PRF。;（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：;（二）普通最小二乘估计（Ordinary Least Squares，OLS） 基本思路：用样本回归函数估计总体回归函数。以;求解这一最小化问题，根据最大化的一阶条件：;例1，已知某商品的需求量Y（万吨）随价格X（元）变化的统计资料如下，求需求量Y随价格X变化的回归方程。 年份 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 需求量 100 75 80 70 50 65