双变量回归模型：基本概念.ppt

1、计量经济学，孙，金融博士，1。二元回归模型：基本概念，1。回归的意义2。回归分析的基本概念。1.回归的含义和“回归”弗朗西斯高尔顿的由来。卡尔普伦：回归平庸父母异常高或异常矮的孩子的身高趋向于人口的平均身高。3，回归的现代含义：4，深入理解变量之间的关系：经济变量之间的关系大致可以分为两类：确定性关系或函数关系：研究的是确定现象和非随机变量之间的关系。示例：圆形区域的统计相关性：它研究不确定现象的随机变量之间的关系。例如：作物产量f(温度、降雨量、日照、施肥量等)的统计相关性调查。)对变量的研究主要是通过相关分析或回归分析来完成的。5.要深入理解，回归分析是研究因变量对另一个解释变量的依赖性的

2、一种计算方法和理论。其目的是通过后者的已知或设定值来估计和/或预测前者的(总体)平均值。回归分析是计量经济学的方法论基础，其主要内容包括：(1)根据样本的观测值估计计量模型的参数，得到回归方程；(2)检验回归方程和参数估计的显著性；(3)利用回归方程进行分析、评价和预测。6，几个例子，1。重新考虑高尔顿的普遍回归定律。从现代的观点来看，我们关心的是在给定身高的情况下，儿子的平均身高是如何变化的。换句话说，我们关心的是预测知道父亲身高的儿子的平均身高。7，年龄和身高，8，菲利普斯曲线，9，概念辨析：回归分析和相关分析，相关分析是指线性相关分析。非线性相关并不意味着不相关的相关分析对称地对待任何(

3、两个)变量，并且两个变量都被视为随机的。回归分析中变量的处理存在不对称性，即区分因变量和解释变量：前者是随机变量，而后者不是。10，概念辨析：回归和因果关系，回归分析/相关分析研究一个变量对另一个(某些)变量的统计相关性，但它们并不意味着一定存在因果关系，这种因果关系来自理论(或假设)因果关系，仅假设因变量依赖于自变量。不是反过来。11，几个术语：12，简单，或双变量，回归分析，简单回归分析或二元回归分析，或多元回归分析的单位回归分析，多元回归分析，13，重新强调数据的质量。由于所有这些和许多其他问题，研究者应该始终记住，研究的结果只有数据的质量好。14，2，回归分析的基本概念，总回归函数(P

4、RF)，随机干扰样本回归函数(SRF)，15，总回归函数，包括60个家系，分为10个亚种群，16，和亚种群的均值，称为“条件均值”，E(Y | X)，17，在每个亚种群内收入和亚种群均值之间的关系：图中的黑点表示不同X值下Y的条件均值。条件均值的连接称为总体回归线(总体回归线)，19、和20，解释变量Yi的预期轨迹称为总体回归线(PRL)，或更一般地称为总体回归线，给出解释变量。相应的函数称为(二元)总回归函数。21，含义：回归函数(PRF)描述了解释变量Y的平均状态(总体条件期望)随解释变量X而变化的规则。函数形式：它可以是线性的或非线性的。在引用的例子中，当消费支出被视为其可支配收入的线性

5、函数时，22，“线性”的两个含义对于变量是线性的：Y的条件平均值是Xi的线性函数，而参数的条件平均值是线性函数。计量经济学中的线性回归模型(LRM)是指参数是线性的，解释变量可能是线性的，也可能不是线性的。23，24，随机干扰项，25，在例1.1中，单个家庭的消费支出为：26，27，整体回归函数的随机形式(随机集形式，单值形式)作为条件期望：28。随机误差项主要包括以下因素：1)解释变量中忽略的因素的影响；2)观测误差对可变观测值的影响；3)模型关系规格误差的影响；4)其他随机因素的影响。产生和设计随机误差项的主要原因是：1)理论的模糊性；2)缺乏数据；3)核心变量和外围变量；4)人类行为的内

6、在随机性；5)不良替代变量；6)节约原则；7)错误的函数形式。29、样本回归函数，整体信息往往是不可能掌握的，而实际情况只能在一次观察中得到整体的样本。问题：你能从一次抽样中得到整个人口的大概信息吗？如果是这样，如何从抽样中得到整体的近似信息？画两条样本回归线，尽可能地拟合这些分散点。图中的直线(曲线)称为样本回归线。如果不知道总体回归函数(总体实线回归线)，就不可能判断哪条样本线能够代表真正的总体线，但它们都能够代表总体回归线。但是，由于抽样的波动，它们最多只是实际总体直线的一个近似值。将有n条样本回归线，它们可能彼此不同。34、样本的散点图：样本的散点图类似于一条直线，画一条直线来尽可能地拟合散点图。由于样本取自整个人口，因此可以认为这条线近似代表整个人口的回归线，称为样本回归线(SRF)。记录样本回归线的函数形式是：称为样本回归函数(SRF)，35，36，随机形式的样本回归函数/样本回归模型：同样，样本回归函数也有以下随机形式：其中，称为(样本)残差(或残差)项，它代