简单线性回归模型.pptxVIP

简单线性回归模型

（一）经济变量间的相互关系确定性关系或函数关系统计依赖关系或相关关系经济变量之间的关系，大体可分为两类：相关分析与回归分析第一节回归分析与回归函数

50060075080010001200125015001650175018002000平均消费支出Y42448052260566263277070580892095089310391158129510331144124713001355例2.1假如有一个乡村由20户人家构成的总体，我们研究每月家庭的平均消费支出Y与平均可支配收入X之间的关系，统计数据如下：每月家庭平均可支配收入X（单位：元）经济变量之间的相关关系可用散点图描述。

50075010001250150017502000250250500750100012501500YX0

YYYXXX不完全相关完全相关不相关

1.按变量数目分相关关系的类型｛简单相关：两个变量多重相关：三个及以上变量2.按表现形式分｛线性相关：散点图接近直线3.按变化方向分｛正相关：同增同减非线性相关：散点图接近曲线负相关：相反4.按相关程度分｛完全相关：实际是函数关系不完全相关不相关

YYXX负相关正相关

YYXX非线性相关线性相关

简单线性相关关系的度量总体相关系数：样本相关系数：

rx,y=ry,x1注意：2不能说明非线性关系3不能确定因果关系4r是随抽样变动的随机变量5

（三）回归分析相关分析主要是用相关系数去描述变量间相互依存的性质和程度，但不能说明变量间相互关系的具体形式，从而不能从一个变量的变化去推测另一个变量的变化，要做到这一点，还需要进行回归分析。

回归（Regression）“回归”一词最先由F.高尔顿（F.Galton）在《家庭身材相似性》一文中提出。高尔顿发现：虽然有一个趋势,父母高,儿女也高;父母矮,儿女也矮。但给定父母的身高,儿女辈的身高却趋向或者回归到全体人口的平均身高。高尔顿称之为“回归到中等”。

“回归”的现代释义通过一个或多个解释变量在重复抽样中的已知值，去估计被解释变量的总体均值。

总体回归函数例：假定武汉市某小区的人口总体由60户家庭组成，要研究每月家庭消费支出Y和收入X之间的关系。现在假设我们得到该小区总体60户家庭的收入支出数据，见下表：

表2每月家庭收入支出表（元）800100012001400160018002000220024002600每月家庭消费支出55065079080010201100120013501370150060070084093010701150136013701450152065074090095011001200140014001550175070080094010301160130014401520165017807508509801080118013501450157017501800-880-113012501400-160018901850---1150---1620-1910YX

x(收入)y图1不同收入的消费分布（散点图）800100012001400160018002000220024002600100015002000(消费）

从散点图看出消费与收入之间存在不确01添加标题定性的相关关系，给定收入X的条件下，消02添加标题费Y形成一定的分布，称为X取某一值时Y的03添加标题条件分布。当X取某一值时，Y取各种值的04添加标题概率，称为Y的条件概率。由Y的条件分布05添加标题和条件概率可计算Y的条件数学期望或条件06添加标题均值。07添加标题

表2与表2对应的条件概率800100012001400160018002000220024002600Y的条件概率1/51/61/51/71/61/61/51/71/61/71/51/61/51/71/61/61/51/71/61/71/51/61/51/71/61/61/51/71/61/71/51/61/51/71/61/61/51/71/61/71/51/61/51/71/61/61/51/71/61/7-1/6-1/71/61/6-1/71/61/7---1/7---1/7-1/7均值6507708901010113012501370149016101730

x(收入)y图2条件均值的散点图800100012001400160018002000220024002600100015002000(消费）

对X的每一个值Xi，都有Y的条件均值与之对应，即该函数称为总体回归函数(PopulationRegressionFunction，PRF)，它描述了平均消费支出（总体均值）与收入之间的关系。

x(收入)y图3