第1章__回归分析的性质.ppt

1、第一章 回归分析的性质,回归的古典含义 回归的现代释义 统计关系与确定性关系 回归与因果关系 回归与相关 术语与符号 计量经济分析所用数据的性质与来源,1.1回归的古典含义 皮尔逊的发现：两组样本：身高高于平均值的父亲及其子辈的身高，子辈平均身高要低于其父辈；身高低于平均值的父亲及其子辈的身高，子辈平均身高要高于其父辈。 有回归到平均值的趋势。 回归由此而得名 1.2回归分析的现代释义 而我们现在可能关心的是这样一个问题：给定父辈身高，子辈身高是怎样的。 回归分析是关于研究应变量对另一个或多个解释变量的依赖关系，其用意在于通过解释变量（在重复抽样中）的已知或设定值，去估计和（或）预测应变量（总

2、体）均值。,X,Y,0,x1 x2 x3 x4,应变量与解释变量之间的关系,给定解释变量，应变量是如何分布的,给定父亲身高，儿子在一个假想人口总体中的身高分布。 给定年龄，男孩子身高总体的分布。 给定税后或可支配收入，个人消费是如何分布的；这种分析有助于估计边际消费倾向（MPC），就是实际收入每美元价值的变化所引起的消费支出的平均变化。 失业率是怎样影响货币工资变化的。 通货膨胀率如何影响人们以货币形式保存收入比例的变化。 两个基本概念要强调：总体、分布,1.3统计关系与确定性关系,在经典物理学中变量之间的关系是确定的关系 统计关系不是一种确定关系 确定性关系是相对的，而可能统计性关系是绝对的

3、。,1.4回归与因果关系,虽然回归分析研究一个变量对另一（些）变量的依赖关系，但它并不一定意味着因果关系 回归分析可以给出变量之间的关系，但类似于因果关系则必须诉诸先验的或理论上的思考。也就是说，我们在统计上没有理由认为变量之间存在类似因果关系这样的关系。 例如，从微观来看，收入的多少决定消费的大小，而不是消费的大小决定收入的多少。这是通过经济理论得到的，而不是通过统计理由得到的。,1.5回归与相关,回归分析是解决变量之间的关系是怎样的，而相关分析(correlation analysis)则研究变量之间的关系强弱； 相关性是用相关系数（correlation coefficient) 这样一

4、类量来测度的。 应变量与解释变量在回归分析的处理中具有不对称性。应变量被当作是统计的，随机的，具有一定的概率分布。解释变量则被看作是取有固定值的。 用图形或例子来说明,1.6术语与符号,采用：应变量-解释变量（有一系列类似的术语）。国内在统计学中一般采用“相依变量”（Dependent）和“独立变量”(Independent) 对于下表大家可以进一步理解，不同情况下术语的使用,1.6术语与符号,1.6术语与符号,符号：字母Y表示应变量或被解释变量，X(X1,X2,Xk)表示解释变量。其中Xk (Xk1,Xk2,Xkt)代表第k个解释变量的不同观测值。,1.6术语与符号,横截面数据(cross-

5、sectional data)：用观测值下标i来表示，这是指在一个时间点上搜集的数据。 时间序列数据(time series data)，用下标t来表示，这是一个时期内收集的数据。,1.7计量经济分析所用数据的性质与来源,数据类型有四类，时间序列、横截面、混合数据及综列数据。 时间序列：一个时间序列是对一个变量在不同时间取值的一组观测结果。按一定的时间长度来收集数据（日、周、月、季、年、5年）。最大的问题是“平稳性”问题。 横截面数据：对一个或多个变量在同一时间点上收集的数据（如人口普查数据）。最大的问题是“异方差”问题。 混合数据（pooled Data）是兼有时间序列和横截面数据两种成份，下可以称之为定点时序数据，指对相同的横截面单元在时间轴上进行跟踪调查的数据。所以这类数据既要考虑“平稳性”问题，还要考虑“异方差问题”。 -综列数据（ Panel Data) 是指对若干单位进行跟综调查所得到的数据集。,1.7计量经济分析所用数据的性质与来源,数据来源 非实验性的：社会科学中的数据 如GDP、失业、股票价格等。 实验性的：自然科学中的数据 例如研究肥胖对血压的影响时，要对饮食、烟酒习惯等变量进行控制（相同情