计量经济学 第二章简单线性回归模型

《计量经济学 第二章简单线性回归模型》由会员分享，可在线阅读，更多相关《计量经济学 第二章简单线性回归模型（60页珍藏版）》请在金锄头文库上搜索。

1、计量经济学 第二章 简单线性回归模型* 第 二 章 简单线性回归模型 计量经济学未来我国旅游需求将快速增长，根据中国政府所制定的远景目标，到2020年，中国入境旅游人数将达到2.1亿人次；国际旅游外汇收入580亿美元，国内旅游收入25700亿美元。到2020年，中国旅游业总收入将超过3000亿美元，相当于国内生产总值的8%至11%。（来源：2008年中国旅行社发展研究咨询报告） （参考现状：第一产业占GDP的15%，建筑业占GDP 的7%）什么决定性因素能使中国旅游业总收入超过3000亿美元?旅游业的发展与这种决定性因素的数量关系究竟是什么？怎样具体测定旅游业发展与这种决定性因素的数量关系?*

2、需要研究经济变量之间数量关系的方法为了不使问题复杂化, 我们先在某些标准的(古典的)假定条件下，用最简单的模型，对最简单的变量间数量关系加以讨论显然，对旅游起决定性影响作用的是“中国居民的收入水平”以及“入境旅游人数”等因素。 “旅游业总收入”（Y）与“居民平均收入”（X1）或者“入境旅游人数”（X2）有怎样的数量关系呢？ 能否用某种线性或非线性关系式 Y= f ( X ) 去表现这种数量关系呢? 具体该怎样去表现和计量呢?* 第一节 回归分析与回归函数 一、相关分析与回归分析 （对统计学的回顾）1、经济变量之间的相互关系 性质上可能有三种情况: 确定性的函数关系 Y=f (X) 可用数学方法

3、计算 不确定的统计关系相关关系 Y= f（X）+ (为随机变量) 可用统计方法分析 没有关系 不用分析 相关关系的描述 最直观的描述方式坐标图（散布图、散点图） ? ? ? ? ? *函数关系相关关系(线性)没有关系相关关系(非线性)2、相关关系* 相关关系的类型 ? 从涉及的变量数量看 简单相关 多重相关（复相关）? 从变量相关关系的表现形式看 线性相关散布图接近一条直线 非线性相关散布图接近一条曲线? 从变量相关关系变化的方向看 正相关变量同方向变化，同增同减 负相关变量反方向变化，一增一减 不相关* 3、相关程度的度量相关系数 如果 和 总体的全部数据都已知， 和 的方差和协方差也已知，

4、则 X和Y的总体线性相关系数： 其中： -X 的方差 -Y的方差 -X和Y的协方差特点：总体相关系数只反映总体两个变量 和 的线性相关程度对于特定的总体来说， 和 的数值是既定的，总体相关系数 是客观存在的特定数值。总体的两个变量 和 的全部数值通常不可能直接观测，所以总体相关系数一般是未知的。 ?*如果只知道 X 和 Y 的样本观测值，则X和Y的样本线性相关系数为： 其中： 和 分别是变量X和Y的样本观测值， 和 分别是变量 X 和Y 样本值的平均值注意: 是随抽样而变动的随机变量。X和Y的样本线性相关系数：相关系数较为简单, 也可以在一定程度上测定变量间的数量关系,但是对于具体研究变量间的

5、数量规律性还有局限性。 ? X和Y 都是相互对称的随机变量， ?线性相关系数只反映变量间的线性相关程度，不能说明非线性相关关系 ?样本相关系数是总体相关系数的样本估计值，由于抽样波动，样本相关系数是随抽样而变动的随机变量，其统计显著性还有待检验 *对相关系数的正确理解和使用*4、回归分析回归的古典意义： 高尔顿遗传学的回归概念 ( 父母身高与子女身高的关系)子女的身高有向人的平均身高;回归;的趋势回归的现代意义：一个被解释变量对若干个解释变量依存关系的研究回归的目的（实质）：由解释变量去估计被解释变量的平均值*被解释变量Y的条件分布和条件概率： 当解释变量X取某固定值时（条件），Y 的值不确定

6、，Y的不同取值会形成一定的分布，这是 Y 的条件分布。 X取某固定值时，Y 取不同值的概率称为条件概率。 被解释变量 Y 的条件期望： 对于 X 的每一个取值， 对 Y 所形成的分布确 定其期望或均值，称 为 Y 的条件期望或条件均 值，用 表示。注意:Y的条件期望是随X的变动而变动的 YX明确几个概念（为深刻理解“回归”）*回归线：对于每一个X的取值 ，都有Y的条件期望 与之对应，代表Y的条件期望的点的轨迹形成的直线或曲线称为回归线。回归函数：被解释变量Y的条件期望 随解释变量X的变化而有规律的变化，如果把Y的条件期望表现为 X 的某种函数 ，这个函数称为回归函数。回归函数分为：总体回归函数

7、和样本回归函数 X Y*每 月 家 庭 可 支 配 收 入 X2000250030003500400045005000550060006500131215301631184320372277246929243515352113401619172619742210238828893338372139541400171317862006232525263090365038654108每1548175018352265241926813156380240264345月1688181418852367252228873300408741654812家17381985194324852665305033

8、2142984380庭180020412037251527993189365443124580消19022186207826892887335338424413费220021792713291335344074支231222982898303837104165出2316292331673834?Y238730533310249831873510268932861591191520922586275430393396385340364148举例: 假如已知由100个家庭构成的总体的数据 (单位:元) 二、总体回归函数（PRF）*消费支出的条件期望与收入关系的图形对于本例的总体，家庭消费支出的条件

9、期望与家庭收入 基本是线性关系, 可以把家庭消费支出的条件均值表示为家庭收入的线性函数：* 1. 总体回归函数的概念 前提：假如已知所研究的经济现象的总体的被解释变量Y和解释变量X的每个观测值（通常这是不可能的！），那么，可以计算出总体被解释变量Y的条件期望 ，并将其表现为解释变量X的某种函数 这个函数称为总体回归函数（PRF） 本质: 总体回归函数实际上表现的是特定总体中被解释变量随解释变量的变动而变动的某种规律性。计量经济学的根本目的是要探寻变量间数量关系的规律,也就要努力去寻求总体回归函数。* 条件期望表现形式例如Y的条件期望 是解 释变量X的线性函数，可表示为： 个别值表现形式（随机设

10、定形式） 对于一定的 ，Y的各个别值 并不一定等于条件期望，而是分布在 的周围，若令各个 与条件期望 的偏差为 ，显然 是个随机变量 则有 2.总体回归函数的表现形式PRF作为总体运行的客观规律，总体回归函数是客观存在的，但在实际的经济研究中总体回归函数通常是未知的，只能根据经济理论和实践经验去设定。计量经济学研究中“计量”的根本目的就是要寻求总体回归函数。我们所设定的计量模型实际就是在设定总体回归函数的具体形式。总体回归函数中 Y 与 X 的关系可以是线性的，也可以是非线性的。 *3.如何理解总体回归函数*计量经济学中,线性回归模型的“线性” 有两种解释： 就变量而言是线性的 Y的条件期望（均值）是X的线性函数 就参数而言是线性的 Y的条件期望（均值）是参数的线性函数例如： 对变量、参数均为“线性” 对参数“线性”，对变量”非线性” 对变量“线性”，对参数”非线性”