回归分析与模型设定高级计量经济学清华大学 潘文清.pptxVIP

回归分析与模型设定高级计量经济学清华大学 潘文清会计学第1页/共39页§2.1 回归分析:问题的引入egression Analysis: Introduction 回归分析（Regression Analysis）:一种最常用的统计分析工具，用来分析一个变量关于其他变量的依赖关系。 X 与 Y间的回归关系可用来研究X对Y的影响，或用X来预测Y。一、 总体均值与样本均值 How to find the relationship between X and Y? 理论上应寻找总体回归函数( PRF),即在给定X时，Y的条件均值的函数 : ?Y|x=E(Y|X)=F(X) 第2页/共39页 但我们往往只能得到样本数据。因此自然想到用样本均值来估计总体均值， 并寻找样本回归函数 (SRF): mY|x=f(X) We hope the SRF is a good estimate of the PRF.YPRFSRFX第3页/共39页A simple illustration: how to find the sample mean 表 2.1 是1960年美国1027个家庭关于收入与储蓄率的联合频率分布. p(xi,yj) =the proportion of the 1027 families who reported the combination (X=xi and Y=yj).Table 2.1 Joint frequency distribution of X=income and Y=saving rate第4页/共39页The conditional mean of Y given X=xi is Conditional mean function of Y on XmY|XFig 2.1 同样地,如果可获得总体数据，我们就可得到给出X值时Y的总体条件均值 (population conditional means )第5页/共39页?(xi,yi) =joint frequencies of the population ?(xi)=?j ?(xi,yi) =marginal frequencies of X?(yj|xi)=?(xi,yi)/?(xi) =conditional frequencies of Y given X?X= ?i xi?(xi) =population mean of X?Y|X= ?j yi?(yj|xi) =population conditional mean of Y given X?Y|x=E(Y|X)=F(X)mY|x=f(X)第6页/共39页Question: how to get f(x)?如果经济理论表明: ?Y|x=?+?X 但表2.1显示 mY|X 并非一条直线 - 我们是保持 mY|X 的原样呢? 还是对样本的 mY|X通过一条直线来平滑: m*Y|X=a+bX -如果用平滑线, 如何寻找该直线? -用平滑线估计总体均值，要比样本均值估计效果更好吗? 如果经济理论表明: ?Y|X=?X? - 如何寻找该曲线(curve)? 平滑的样本曲线 m*Y|X 仍能告知有关 ?Y|X的相关信息吗？ 第7页/共39页二、条件分布 假设(X,Y)的联合概率密度函数( joint probability density function , pdf) 为 f(x,y) ，则 X的边际密度函数(marginal pdf ): fX(x) =?f(x,y)dy Y在 X=x 的条件密度函数( conditional pdf ): fY|X(y|x)=f(x,y)/fX(x) 条件 pdf fY|X(y|x) 完全描述了Y 对 X的依赖关系。第8页/共39页已知条件 pdf, 可计算:条件期望(The conditional mean) 条件方差(The conditional variance) 条件偏度 (The conditional skewness) 条件峰度 (The conditional kurtosis)第9页/共39页§2.2 回归分析Regression Analysis一、回归函数及其性质 定义 [Regression Function]: 称条件期望 E(Y|X)为Y关于 X 的回归函数(regression function )。 What statistical properties does E(Y|X) process?Lemma [Law of iterated expectation]: E[E(Y|X)]=E(Y)例: 设 Y=工资, X=1 (女性) and X=0 (男性)，则 E(Y|X=1) = 女性员工平均工资 E