计量课后习题.pdfVIP

2.2什么是总体回归函数和样本回归函数？它们之间的区别是什么？ 定义：总体回归函数：将总体被解释变量Y 的条件均值表示为解释变量X 的某种函数，这 个函数称为总体回归函数。 样本回归函数：把被解释变量Y 的样本观测值的条件均值表示为解释变量X 的某种 函数，这个函数称为样本回归函数。 区别：总体回归函数：函数的参数虽未知，但是是确定的常数；  是不可直接观测的 i 样本回归函数：随抽样波动而变化，可以有很多条； 只是未知总体回归线的近似表现； 函数的参数可估计，但是是随着抽样波动而变化的随机变量； e 是只要估计出样本回归函数的参数就可以计算的数值 i 2.3什么是随机扰动项和剩余项（残差）？它们之间的区别是什么？ 定义：随机扰动项：总体回归函数E （Y ︱X ）表述的是被解释变量Y随着解释变量X 的变 i 化而呈现的平均变动。但是对于确定的Xi，其对应的Yi值并不一定唯 一，即Yi不一定全部等于E （Y ︱X ），而是落于Y=Xi 这条直线上。 i 这个时候Yi与E （Y ︱X ）之间会产生一定的偏差，我们把这个偏差称 i 为随机扰动项 ˆ 剩余项 （残差）：由于总体的Y 的均值E （Y ︱X ）未知，通常我们关心的是估计量Y i i ˆ e Y e 与实际量Yi之间的差异，记 =Yi- ，则称 为残差，残差又称作为 i i i  对总体中随机扰动项 的估计 i  区别：随机扰动项： 是观察值Yi围绕它的期望值E 的离差，是一个不可观测的随机变量； i e 是残差项，代表了其他影响Yi的随机因素的集合。 i  是相对整体而言的，是整体模型的随机扰动项； i e 是相对样本而言的，是样本的残差项。 i 3.2什么是偏回归系数？它与简单线性回归的回归系数有什么不同？