第1章-回归分析概述

第一章回归分析概述一、回归的现代释义二、统计关系与确定关系三、相关术语四、所用数据的数据类型五、数据的准确性一、回归的现代释义回归分析（Regressionanalysis）是研究一个变量关于另一个（些）变量具体依赖关系的计算方法和理论。其目的是通过后者的已知或设定值，去估计或预测前者的总体均值。前者称为被解释变量（ExplaindVariable）或应变量(DependentVariable），后者称为解释变量(ExplanatoryVariable）或自变量（IndependentVariable)。例1Y=儿子的身高，X=父亲的身高例2Y=家庭支出，X=家庭可支配收入例3Y=需求，X1=价格，X2=替代品的价格

（1）确定性关系或函数关系：研究的是确定现象非随机变量间的关系。例如变量之间的关系，大体可分为两类：（2）统计依赖关系或相关关系：研究的是非确定现象随机变量间的关系。例如：二、统计关系与确定关系对变量间统计依赖关系的考察主要是通过相关分析(correlationanalysis)或回归分析(regressionanalysis)来完成的。相关分析适用于所有统计关系：相关系数（correlationcoefficient）正相关（positivecorrelation）负相关（negativecorrelation）不相关（non-correlation）注意：相关分析的主要目的在于研究变量之间统计线性关联的程度，将变量均视为随机变量。不存在线性相关并不意味着不相关。存在相关关系并不一定存在因果关系。

（甲的收入和乙的支出）相关分析对称地对待任何（两个）变量，都被看作是随机的。回归分析的主要目的在于研究变量之间统计关联的形式，目的在于揭示被解释变量如何依赖解释变量的变化而变化的规律。回归分析对变量的处理方法存在不对称性，即应变量（被解释变量）和自变量（解释变量），前者是随机变量，后者不一定是随机变量。三、相关术语YX被解释变量（explainedvariable）解释变量（explanatoryvariable）因变量（dependentvariable）自变量（independentvariable）预测子（predictand）预测元（predictor）回归子（regressand）回归元（regressor）响应（response）刺激变量（stimulus）内生（endogenous）外生（exogenous）结果（outcome）共变（covariate）被控变量（controlledvariable）控制变量（controlvariable）1.横截面数据Cross–Sectiondata横截面数据是对一个或多个变量在同一时点上收集的样本数据。横截面数据广泛应用于经济学中,尤其是在劳动经济学、医疗卫生经济学和城市经济学中。会遇到异方差性、内生性等问题（将来再讨论）

四、所用数据的数据类型2.时间序列数据Time–Seriesdata

对一个变量在不同时间取值的一组观测结果。时间序列数据与截面数据有三点重要不同相对顺序是有意义的观测值之间通常是相关的数据频率是需要考虑的问题自相关问题（第12章）基于时间序列的分析，大多假定所依据的时间序列是平稳的。（chapter21，22）3.混合数据兼有时间序列和横截面数据的成分。

4.面板数据--PanelData混合数据的一种特殊类型。指对相同的横截面单元（比如家庭或厂家）在时间轴上进行跟踪调查的数据。HerotherEnglishnames:longitudinal(经度的,纵向的)data,time-seriescross-sectiondata.HerChinesenames:面板数据，板块数据，综列数据。

虽然有大量的数据可供经济研究之用，但