一元线性回归模型_2

1、计量经济学 理论方法EViews应用 郭存芝 杜延军 李春吉 编著,电子教案,第二章 一元线性回归模型, 学习目的,理解回归模型的概念，学会对一元线性回归模型进行参数估计、检验和预测，为多元线性回归模型的学习打下基础。, 基本要求,1) 理解样本回归模型、总体回归模型的概念； 2) 掌握一元线性回归模型的普通最小二乘参数估计方法，了解一元线性回归模型的基本假设、一元线性回归模型的最大似然参数估计方法、一元线性回归模型的普通最小二乘参数估计量与样本回归线的性质、一元线性回归模型随机误差项方差的估计； 3) 学会对一元线性回归模型进行拟合优度检验，对一元线性回归模型的参数进行区间估计和假设检验； 4) 学会进行一元线性回归模型被解释变量的总体均值和个别值预测； 5)学会利用Eviews软件进行一元线性回归模型的参数估计、检验和预测。,第二章 一元线性回归模型,第二章 一元线性回归模型 回归模型概述 一元线性回归模型的参数估计 一元线性回归模型的拟合优度检验 一元线性回归模型的统计推断 一元线性回归模型的预测 案例分析, 相关分析与回归分析,第一节 回归模型概述, 随机误差项, 总体回归模型

2、, 样本回归模型,1. 经济变量之间的关系,一、相关分析与回归分析,计量经济研究是对经济变量之间关系的研究，针对某一具体 经济问题展开研究时，首先需要考察的就是相关经济变量之间有 没有关系、有什么样的关系。,确定的函数关系,不确定的相关关系,经济变量之间的关系,函数关系,指某一经济变量可直接表示为其他经济变量的确定的函数， 函数表达式中没有未知参数，不存在参数估计的问题。,1) 某一商品的销售收入Y与单价P、销售数量Q之间的关系Y = PQ 2) 某一农作物的产量Q与单位面积产量q 、种植面积S之间的关系Q = q S,例如:,相关关系,指不同经济变量的变化趋势之间存在某种不确定的联系，某一或 某几个经济变量的取值确定后，对应的另一经济变量的取值虽不能唯 一确定，但按某种规律有一定的取值范围。,居民消费C与可支配收入Y之间的关系，可支配收入的取值确定后，消费的取值虽不能唯一确定，但有一定的取值范围，0 C Y ，遵循边际消费倾向递减的规律。居民消费C与可支配收入Y之间的关系可表示为C = + Y， 、为待估参数。,例如:,相关关系的表达式一般表示为含有未知参数的函数形式，需要进行参数估

3、计。,相关关系的分类,a)按照涉及的变量的数量,单相关(一元相关),复相关(多元相关),- 指两个经济变量之间存在的相关关系,- 指多个经济变量之间存在的相关关系,可能是几个 经济变量的某种综合效果与一个经济变量有趋势方面的联系。,相关关系的分类,b)按照相关的程度,完全相关,不完全相关,不相关,相关关系的分类,c)按照相关的性质,正相关,负相关,相关关系的分类,c)按照相关的性质,线性相关,非线性相关,函数关系与相关关系的区别,确定的函数关系可以直接用于经济活动，无需分析。,不确定的相关关系，隐含着某种经济规律，是有关研究的重点,2. 相关分析,一、相关分析与回归分析,研究变量之间的相关关系的形式和程度的一种统计分析方法，主要 通过绘制变量之间关系的散点图和计算变量之间的相关系数进行。,绘制变量之间关系的散点图,例如:,计算变量之间的相关系数,相关系数,十九世纪末英国著名统计学家卡尔皮尔逊（Karl Pearson） 度量两个变量之间的线性相关程度的简单相关系数（简称相关系数）,（2-2）,（2-3）,或,相关系数的取值介于11之间， 取值为负表示两变量之间存在负相关关系； 取值为正

4、表示两变量之间存在正相关关系； 取值为1表示两变量之间存在完全负相关关系； 取值为0表示两变量不相关； 取值为1表示两变量之间存在完全正相关关系。,3. 回归分析,研究不仅存在相关关系而且存在因果关系的变量之间的依存关系的 一种分析理论与方法，是计量经济学的方法论基础，,主要内容,1）设定理论模型，描述变量之间的因果关系；,2）根据样本观察数据利用适当方法对模型参数进行估计， 得到回归方程；,3）对回归方程中的变量、方程进行显著性检验，推求参数 的置信区间、模型的预测置信区间；,4）利用回归模型解决实际经济问题。,例如:,居民消费C与可支配收入Y之间不仅存在相关关系而且存在因 果关系，不仅可以利用相关分析研究两者之间的相关程度，还可 以利用回归分析研究两者之间的具体依存关系。可以将C作为被 解释变量、Y作为解释变量，根据相关经济理论，设定含有待估 参数 、 的理论模型C = + Y，估计模型中的参数 、 ，得 到回归方程，进行相关统计检验和推断，利用回归模型进行结构 分析、经济预测、政策评价等。,4. 相关分析与回归分析之间的关系,联系：,1）都是对存在相关关系的变量的统计相关关系的研

5、究； 2）都能测度线性相关程度的大小； 3）都能判断线性相关关系是正相关还是负相关。,区别：,1）相关分析仅仅是从统计数据上测度变量之间的相关程度， 不考虑两者之间是否存在因果关系，因而变量的地位在相 关分析中是对等的； 回归分析是对变量之间的因果关系的分析，变量的地位是 不对等的，有被解释变量和解释变量之分。,2）相关分析主要关注变量之间的相关程度和性质，不关注变 量之间的具体依赖关系。 回归分析在关注变量之间的相关程度和性质的同时，更关注变量 之间的具体依赖关系，因而可以深入分析变量间的依存关系，有 可能达到掌握其内在规律的目的，具有更重要的实践意义。,二、随机误差项,含有随机误差项是计量经济学模型与数理经济模型的一大区别。,例如:,对于供给不足下的生产活动，可以认为产出是由资本、劳动、技术等投入要素决定的，并且，一般情况下，产出随着投入要素的增加而增加，但要素的边际产出递减。,二、随机误差项,含有随机误差项是计量经济学模型与数理经济模型的一大区别。,例如:,对于供给不足下的生产活动，可以认为产出是由资本、劳动、技术等投入要素决定的，并且，一般情况下，产出随着投入要素的增加而增加，

6、但要素的边际产出递减。,存在原因,第一，人类的经济行为本身带有随机性；,第二，通常一个变量总是受众多因素的影响；,第三，任何函数反映经济变量之间的关系都只是一种简化反映；,第四，经济数据来源于调查统计，而非严格的控制实验；,结论,一个经济变量通常不能被另一个经济变量完全精确地决定，需要 引入随机误差项来反映各种误差的综合影响，主要包括：,1）变量的内在随机性的影响；,2）解释变量中被忽略的因素的影响；,3）模型关系设定误差的影响；,4）变量观察值的观察误差的影响；,5）其他随机因素的影响。,三、总体回归模型,1总体回归曲线与总体回归函数,给定解释变量条件下被解释变量的期望轨迹称为总体回归曲线 （population regression curve），或总体回归线（population regression line）。,描述总体回归曲线的函数称为总体回归函数（population regression function）。,例2-1,假设一个由100个家庭构成的总体，并假设这100个家庭的 月可支配收入水平只限于1300元、1800元、2300元、2800 元、3300元、3800元

7、、4300元、4800元、5300元、5800元10 种情况，每个家庭的月可支配收入与消费数据如表2-1所示， 要研究这一总体的家庭月消费支出Y与家庭月可支配收入X之 间的关系，以便根据已知的家庭月可支配收入水平测算该总 体的家庭月消费支出平均水平。,表2-1 100个家庭的月可支配收入与消费数据 单位：元,家庭消费支出主要取决于家庭可支配收入，但不是唯一取决于家庭可支 配收入，还会受到其他各种不确定性因素的影响，因而可支配收入相同的不同家庭的消费支出各不相同。,由此可求得对应于家庭可支配收入X的各个水平的家庭消费支出Y的条件 均值（conditional mean）或称为条件期望（conditional expectation）， 如表2-2所示。,分析：,表2-2 100个家庭的月可支配收入与消费数据 单位：元,由表2-1、表2-2中的数据绘制不同可支配收入家庭的消费支出散 点图、家庭消费支出与可支配收入关系的总体回归曲线，如图2-1所示。,从散点图可以清晰地看出，不同家庭的消费支出虽然存在差异，但总体 趋势随可支配收入的增加而增加，总体回归曲线反映了这一趋势。,事实上，经济活动中

8、的总体包含的个体的数量往往非常多，一般不 大可能像例2-1假设的那样得到总体中所有个体的观察数据，因此也就不 大可能依据总体的所有观察数据计算得到被解释变量Y的条件期望，无 法画出精确的总体回归曲线，相应地，总体回归函数的具体形式也无法 精确确定。所以，对于总体回归函数，通常只能根据经济理论或实践经 验进行设定，也就是说，通常需要对总体回归函数作出合理的假设。,2总体回归模型,的离差（deviation），,3线性总体回归模型,确定性部分为线性函数的总体回归模型称为线性总体回归模型。,线性总体回归模型是计量经济学中最常见的总体回归模型。,只含有一个解释变量的线性总体回归模型称为一元线性总体回归模型， 简称一元线性回归模型或简单线性回归模型（simple linear regression model）， 其一般形式是,（2-8）,3线性总体回归模型,确定性部分为线性函数的总体回归模型称为线性总体回归模型。,线性总体回归模型是计量经济学中最常见的总体回归模型。,注意：,这里所说的线性函数和通常意义下的线性函数不同，这里的线性函数指 参数是线性的，即待估参数都只以一次方出现，解释变量可以是

9、线性的，也 可以不是线性的。,例如：,都是线性回归模型。,注意：,这里所说的线性函数和通常意义下的线性函数不同，这里的线性函数指 参数是线性的，即待估参数都只以一次方出现，解释变量可以是线性的，也 可以不是线性的。,例如：,都不是线性回归模型。,对于参数线性、解释变量非线性的回归模型，只要稍作变换，就可 化为线性回归模型的一般形式。,例如：,模型,4线性回归模型的普遍性,例如，著名的Cobb-Dauglas生产函数表现为幂函数形式， 著名的菲利普斯曲线（Phillips curves）表现为双曲线形式。,对于其他复杂的函数形式，可通过级数展开化为线性形式,+余项,令,，,，,余项,原模型可化为,四、样本回归模型,1样本回归函数与样本回归曲线,根据样本数据对总体回归函数作出的估计称为样本回归函数。,由样本回归函数绘制的曲线称为样本回归曲线（样本回归线）。,例2-2,假设没有取得总体中所有家庭的可支配收入与消费支出数据，而是按可支 配收入水平的不同水平调查取得了一组有代表性的样本，如表2-3所示。,表2-3 家庭月可支配收入与消费支出的一个样本 单位：元,以例2-1为例（假设一个由100个家庭构成的总体，并假设这100个家庭的月可支配收入水平只限于1300元、1800元、2300元、2800元、3300元、800元、4300元、4800元、5300元、5800元10种情况，每个家庭的月可支配收入与消费数据如表2-1所示，要研究这一总体的家庭月消费支出Y与家庭月可支配收入X之间的关系，以便根据已知的家庭月可支配收入水平测算该总体的家庭月消费支出平均水平。）,若将家庭月可支配收入X与消费支出Y的总体回归函数设定为一元 线性回归函数的形式,根据样本数据和样本回归方程可绘制不同可支配收入家庭的消费支出散点图、家庭消费支出与可支配收入关系的样本回归线，如图2-2所示。,从图中可以清晰地看出，样本回归线是通过对样本数据的较好的拟合对总 体回归线作出的一种估计。,2样本回归模型,在样本回归函数中引入残差项后，得到的是随机方程，成为 了计量经济学模型，称为样本回归模型。,对

《一元线性回归模型_2》由会员F****n分享，可在线阅读，更多相关《一元线性回归模型_2》请在金锄头文库上搜索。