欢姐课件一元线性回归.pptx

;第一节 一元线性回归模型的概念 一、回归分析的概念 变量之间的关系可以分成两大类: 1.确定的函数关系。例如 收入与价格 2.不确定性关系（相关关系）。例如 经济分析中“投入”与“产出”，“收入”与“某种产品的需求”……等关系。 变量间的统计相关关系可以通过相关分析与回归分析来研究;相关分析与回归分析;二、一元线性回归模型;其中：Yi—对A商品的需求量，称作被解释变量 Xi—A商品的价格，称作解释变量 ui—影响需求量的其他因素 ，称作随机误差项 ?0 、?1—回归系数;一元线性回归模型中的线性有两个含义： 一是被解释变量Y与解释变量X之间为线性关系 二是被解释变量Y与参数 之间是线性关系;Xi 的变化是Yi变化的原因， Xi 、Yi之间具有因果关系。（2.1）式称为一元线性回归模型。 随机误差项ui 中一般包括以下因素。 （1）回归模型中省略的变量 （2）统计的误差 （3）模型设定的误差 （4）随机误差 一元线性回归的目的就是在存在扰动项的情况下，估计回归系数?0、 ?1，确定X对Y的影响。;三.随机误差项的基本假定：; 假定四：任意两个Xi与Xj对应的随机项ui与uj之间是独立不相关的，即 Cov（ ui，uj ）=0。称无序列相关性或无自相关。 假定五：解释变量X是一组确定性变量，随机扰动项 ui与解释变量Xi无关, Cov（ ui，Xi ）=0 。;第二节 参数的最小二乘估计;表1.2.1;1. 总体回归模型：给定一元线性回归模型 Yi=? 0+ ? 1Xi+ui 如果ui符合假定的条件，则称该模型为总体回归模型;给定收入X的值Xi，可得消费支出Y的条件均值或条件期望：E(Y|X=Xi)。 该例中：E(Y | X=800)=561 描出散点图发现：随着收入的增加，消费“平均地说”也在增加，且Y的条件均值均落在一根正斜率的直线上。这条直线称为总体回归线。;;2.总体回归方程;例：在上例总体中有如下一个样本，能否从该样本估计总体回归函数PRF？;3.样本回归方程;4.样本回归模型：; 是Ordinary Least Square的简称 1.基本思路：对模型： Yi= ? 0+ ? 1Xi+ui 通过样本值求 ? 0 、 ? 1的满意估计值： 即求样本回归方程 ：; （1）问题提出：如果不加限制，通过样本点（Xi Yi）可以拟合许多直线。 例如: ; … . Y . · . · · · · . · · · · · · · · · .. .. .. O X ; 如果已求出样本回归方程： = + Xi ，一个很自然的想法是使得每一个真实值Yi与估计值 的差 ei= Yi- 都尽量的小。 我们把 ei= Yi- 称为残差。 ?ei (min) ?|ei|(min) ?ei2 (min); 使?ei2（min）来确定一元线性回归模型 Y=?0+?1X+u 参数估计值 、 。; 要使上式达到最小，根据求极值的原理可得正规方程为： ; 整理得： 解上面方程得：