一元线性回归模new.ppt

*第二章经典单方程计量经济学模型:一元线性回归模型回归分析概述一元线性回归模型的参数估计一元线性回归模型检验一元线性回归模型预测实例分析*授课目标与要求:经典单方程计量经济学模型的一元线性回归模型,是课程最基础的内容。通过教学,要求学生达到:理解经典线性单方程计量经济学模型的数理统计学基础,包括回归分析、假设检验和区间估计;熟练掌握经典线性单方程计量经济学模型的理论与方法,包括基本假设、模型估计和统计检验;理解最小二乘原理和最大或然原理,以及在模型估计中的应用。本章重点和难点:第二节:一元线性回归模型的参数估计第三节:一元线性回归模型的统计检验*§、回归分析的基本概念二、简单线性相关分析三、总体回归函数(PRF)四、随机扰动项五、样本回归函数(SRF)*一、回归分析的基本概念△变量间的关系△相关分析的基本概念△回归分析的基本概念△几点注意事项*⑴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。⑵统计依赖或相关关系:研究的是随机变量间的非确定关系。又分为简单相关(存在于两个变量之间的相关关系)和多重相关(存在于三个及以上变量之间的相关关系)。⑶模糊关系(随机变量的似有似无)*2、相关分析的基本概念⑴相关关系,是指两个或两个以上的变量,其样本序列观测值之间表现出来的随机数学关系,常用相关系数来衡量,主要用来判断变量间是否相关。如果两个变量样本序列观测值之间的相关系数的绝对值为1,则二者之间具有完全的相关关系。⑵偏相关关系,是指一个变量与其他两个或两个以上变量的线性组合之间的相关关系。该变量与每一个变量间的相关系数又称偏相关系数。⑶因果关系,是指两个或两个以上的变量,在行为机制等方面上的依赖性。因果关系有单向因果关系和双向因果关系之分。如:价格与供给,价格与需求,投资与GDP等。具有因果关系的变量之间一定具有数学上的相关关系;而具有相关关系的变量之间并不一定就具有因果关系。如:GDP与一棵小树的生长速度,中国GDP与印度人口的关系。⑷相关分析,是判断变量之间是否具有相关关系的一种数学分析方法,一般是通过计算变量之间的相关系数来实现。*○对变量间统计依赖关系的考察主要是通过相关分析(correlation)或回归分析(regression)来完成的。○相关分析是讨论变量之间相关程度的一种统计分析方法。在相关分析中,通常假设两个变量:①对其是同等看待的,②不考虑其因果关系,③对自变量和因变量不加区别,④两个变量均是随机变量。正相关线性相关不相关相关系数(-1≤ρ≤1)统计依赖关系负相关有因果关系回归分析正相关无因果关系相关分析非线性相关不相关负相关*3、回归分析的基本概念⑴回归分析,回归分析也是判断变量间是否相关的一种数学分析方法,他着重判断一个随机变量与一个或几个可控变量之间是否具有依赖关系的计算方法和理论。其目的在于通过后者的已知或设定值,去估计和(或)预测前者的(总体)均值。⑵因果分析,是分析变量之间的原因和结果。由于回归分析的特定功能,回归分析也通常被用来进行变量之间的因果分析。但仅靠回归分析还不能对变量间的因果关系做出最后的判断,必须与经济行为的定性分析等相结合。⑶回归分析是计量经济学的方法论基础,其主要内容包括:根据样本观察值对经济计量模型参数进行估计,求得回归方程;对回归方程、参数估计值进行显著性检验;利用回归方程进行分析、评价及预测。*4、注意事项①不线性相关并不意味着不相关。②有相关关系并不意味着一定有因果关系。③回归分析和相关分析:都是研究随机变量间的统计依赖关系,并能测度线性依赖程度的大小,不关注具体的依赖关系。但它们并不意味着一定有因果关系。④相关分析:仅仅从统计数据上测度变量间的相关程度,无需考察两者间的因果关系,对称地对待任何(两个)变量,两个变量都被看作是随机的。⑤回归分析:更注重变量间的因果关系和具体的依赖关系,对变量的处理方法存在不对称性,即区分应变量(被解释变量)和自变量(解释变量),前者是随机变量,后者不是。*二、简单线性相关分析△总体相关系数△样本相关系数△样本相关系数的取值范围△相关系数的显著性检验△线性相关理论的局限性