《线性回归分析基础》PPT课件

《《线性回归分析基础》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、重点问题参数的最小二乘估计最小二乘估计的性质参数估计的检验预测2021/10/8第一章一元线性回归分析基础1、几个概念条件分布（Conditionaldistribution）：以X取定值为条件的Y的条件分布条件概率（Conditionalprobability）：给定X的Y的概率，记为P(Y

2、X)。例如，P(Y=55

3、X=80)=1/5；P（Y=150

4、X=260）=1/7。条件期望（conditionalExpectation）：给定X的Y的期望值，记为E(Y

5、X)。例如，E(Y

6、X=80)=55×1/5＋60×1/5＋65×1/5＋70×1/5＋75×1/5＝65总体

7、回归曲线（PopularRegressionCurve）（总体回归曲线的几何意义）：当解释变量给定值时因变量的条件期望值的轨迹。2、总体回归函数(PopularRegressionFunction，PRF)E(Y

8、Xi)=f(Xi)当PRF的函数形式为线性函数，则有，E(Y

9、Xi)=1+2Xi其中1和2为未知而固定的参数，称为回归系数。1和2也分别称为截距和斜率系数。上述方程也称为线性总体回归函数。3、“线性”的含义“线性”可作两种解释：对变量为线性，对参数为线性。一般“线性回归”一词总是指对参数为线性的一种回归（即参数只以它的1次方出现）。2021/10/8

10、第一章一元线性回归分析基础4、PRF的随机设定将个别的Yi围绕其期望值的离差(Deviation)表述如下：ui=Yi-E(Y

11、Xi)或Yi=E(Y

12、Xi)+ui其中ui为随机误差项（Stochasticerror）或随机干扰项（Stochasticdisturbance）。线性总体回归函数：PRF：Yi=1+2Xi+ui=E(Y

13、Xi)+ui5、随机干扰项的意义随机扰动项是从模型中省略下来的而又集体地影响着Y的全部变量的替代物。显然的问题是：为什么不把这些变量明显地引进到模型中来，而以随即扰动项来替代？理由是多方面的：（1）理论的含糊性：理论不能完全说明影响因变量的所

14、有影响因素。（2）数据的欠缺：无法获得有关数据。（3）核心变量与周边变量：希望能找到与有较大影响的核心变量的关系。（4）内在随机性：因变量具有内在的随机性。（5）替代变量：用来代替不可观测变量的替代变量选择，造成一定误差。（6）省略原则：研究中尽可能使回归式简单。（7）错误的函数形式：回归式的的选择是主观的。2021/10/8第一章一元线性回归分析基础6、样本回归函数（SRF）由于在大多数情况下，我们只知道变量值得一个样本，要用样本信息的基础上估计PRF。X（收入）80100120140160180200220240260Y（支出）556579801021101201351

15、37150样本1X（收入）80100120140160180200220240260Y（支出）708094103116130144152165178样本2样本回归函数SRF：在回归分析中，我们用SRF估计PRF。2021/10/8第一章一元线性回归分析基础估计量（Estimator）：一个估计量又称统计量(statistic)，是指一个规则、公式或方法，以用来根据已知的样本所提供的信息去估计总体参数。在应用中，由估计量算出的数值称为估计（值）（estimate)。样本回归函数SRF的随机形式为：其中表示（样本）残差项（residual）。XiXPRF:E(Y

16、Xi)=1+

17、2XiSRF：YE(Y

18、Xi)SRF是PRF的近似估计。为了使二者更为接近，即要使2021/10/8第一章一元线性回归分析基础主要内容第一节模型的假定第二节参数的最小二乘估计第三节最小二乘估计量的性质第四节系数的显著性检验第五节预测和预测区间2021/10/8第一章一元线性回归分析基础第一节模型的假定一、一元线性回归模型各种经济变量之间的关系，可以划分为两种类型。一类是变量之间有惟一确定的关系，即函数关系，可表示为：F(X1，X2，…，Xn，Y)=0(1—1)或Y=f(X1，X2，…，Xn)(1—2)其中，最简单的形式为一元线性函数关系Y=PX(1—3)另一类关系为不完全

19、确定的相关关系,表示为：F(X1，X2，…，Xn，Y，u)=0(1—4)2021/10/8第一章一元线性回归分析基础第一节模型的假定或Y=f(X1，X2，…，Xn，u)(1—5)其中最简单的形式为一元线性回归模型Y=β1+β2X+u(1—6)计量经济学只讨论变量之间不完全确定的关系，如式(1—4)或式(1—5)所表示的关系。如式(1—6)所表示的关系式，称为一元线性回归模型。“一元”是指只有一个自变量X，这个自变量X可以解释引起因变量Y变化的部分原因。因此，X称为解释变量，Y称为被解释变量，β1和β2为参数。202