双变量回归分析.pptxVIP

双变量回归分析:基本概念 cht02 第1页，共15页。 §2.1 一个假想的例子 每周收入X 80 100 120 140 160 180 200 220 240 260 每周支出 Y 55 65 79 80 102 110 120 135 137 150 60 70 84 93 107 115 136 137 145 152 65 74 90 95 110 120 140 140 155 175 70 80 94 103 116 130 144 152 165 178 75 85 98 108 118 135 145 157 175 180 88 113 125 140 160 189 185 115 162 191 共计 325 462 445 707 678 750 685 1043 966 1211 家庭收入与家庭支出之间的关系，假定一个国家的人口总体由60个家庭组成 第2页，共15页。 §2.1 一个假想的例子 上表的数据代表一个总体 条件概率 Conditional mean/expectation 第3页，共15页。 §2.1 一个假想的例子 X E(Y) 80 65 100 77 120 89 140 101 160 113 180 125 200 137 220 149 240 161 260 173 第4页，共15页。 总体回归线 Population regression line 总体回归曲线 Population regression curve 第5页，共15页。 条件均值 Y X 每周收入 每周消费支出 220 140 80 65 101 149 给定X=220美元 时Y的分布 在几何意义上，PRC就是解释变量取给定值时应变量的条件均值的轨迹。 Y 每周消费支出 每周收入 Y 每周消费支出 X 每周收入 Y 每周消费支出 第6页，共15页。 §2.2 PRF/PR的概念 Population regression function 其中 表示解释变量 的某个函数 在我们人为的例子中，E(Y|Xi)就是Xi的一个线性函数 总体回归函数 第7页，共15页。 §2.2 PRF的概念 函数f(xi)采取什么形式？很难清楚的知道 除非你得到了全部的总体值 在实际应用中，我们很难得到全部总体值 PRF的函数形式，只能从经验中寻找。 第8页，共15页。 §2.2 PRF的概念 比如，你可以提出消费与收入间有线性关系 回归系数 Regression coefficients 线性 总体回归函数 我们的兴趣在于根据X,Y的观测值来估计 第9页，共15页。 §2.3 线性的含义 对变量为线性 对参数为线性 变量带有幂 对参数不是线性 从现在起，线性回归一词总是指对参数为线性的一种回归； 对解释变量X则可以是或不是线性的。 LRM NLRM 第10页，共15页。 §2.4 PRF的随机设定 Stochastic disturbance Stochastic error 非系统性成分 代理变量 系统性成分 确定性成分 第11页，共15页。 §2.5 随机干扰项的意义 为什么不做一个包含尽可能多变量的模型？来把这个说不清楚的干扰项去掉？ 不可能的 理论的含糊性 数据的欠缺 核心变量与周边变量 人类行为的内在随机性 糟糕的替代变量 节省原则 错误的函数形式 第12页，共15页。 §2.6 样本回归函数 总体的一个随机样本 　 总体的另一个随机样本 Y X 　 Y X 70 80 　 55 80 65 100 　 88 100 90 120 　 90 120 95 140 　 80 140 110 160 　 118 160 115 180 　 120 180 120 200 　 145 200 140 220 　 135 220 155 240 　 145 240 150 260 　 175 260 第13页，共15页。 第14页，共15页。 Y X 每周收入 Y 每周收入 Y X 每周收入 Y 每周消费支出 第15页，共15页。