回归分析概述课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,#,1,回归分析概述,一、基本概念,二、总体回归函数（,PRF,）,三、随机扰动项,四、样本回归函数（,SRF,）,1 回归分析概述一、基本概念,1,什么是回归分析：,计量经济学是对实际的经济和商业现象进行数量化度量和分析的学科，它旨在对理论关系进行量化分析。,而回归分析就是计量经济学中至今为止应用最多的一种方法。,什么是回归分析：,2,一、基本概念,1.,变量间的关系,（,1,）,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。,（,2,）统计依赖或相关关系：研究的是非确定现象随机变量间的关系。,一、基本概念1.变量间的关系（2）统计依赖或相关关系：研究,3,对变量间统计依赖关系的考察主要是通过相关分析,(correlation analysis),或回归分析,(regression analysis),来完成的,对变量间统计依赖关系的考察主要是通过相关分析(cor,4,注意,不线性相关并不意味着不相关。,有相关关系并不意味着一定有因果关系。,回归分析,/,相关分析研究一个变量对另一个（些）变量的统计依赖关系，但它们并不意味着一定有因果关系。,注意,5,2.,回归分析,回归分析,(regression analysis),关心的是根据解释变量的已知或给定值，考察被解释变量的总体均值,，即当解释变量取某个确定值时，与之统计相关的被解释变量所有可能出现的对应值的平均值,被解释变量,（,Explained Variable,）,或应变量,（,Dependent Variable,）,。,解释变量,（,Explanatory Variable,）,或自变量,（,Independent Variable,）。,2.回归分析,6,回归分析构成计量经济学的方法论基础，其主要内容包括：,（,1,）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；,（,2,）对回归方程、参数估计值进行显著性检验；,（,3,）利用回归方程进行分析、评价及预测。,回归分析构成计量经济学的方法论基础，其主要内容包括：,7,例,2.1,：一个假想的社区有,100,户家庭组成，要研究该社区每月,家庭消费支出,Y,与每月,家庭可支配收入,X,的关系。即如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。,为达到此目的，将该,100,户家庭划分为组内收入差不多的,10,组，以分析每一收入组的家庭消费支出,。,二、总体回归函数,例2.1：一个假想的社区有100户家庭组成，要研究该社区每月,8,回归分析概述课件,9,由于不确定因素的影响，对同一收入水平,X,，不同家庭的消费支出不完全相同；但由于调查的完备性，给定收入水平,X,的消费支出,Y,的分布是确定的，即以,X,的给定值为条件的,Y,的,条件分布,（,Conditional distribution,）,是已知的，例如：,因此，给定收入,X,的值,Xi,，可得消费支出,Y,的条件均值,（,conditional mean,）,或条件期望,（,conditional expectation,）,：,E(Y|X=Xi),。,该例中：,E(Y|X=800)=561,描出散点图发现：随着收入的增加，消费“,平均地说,”,也在增加，且,Y,的条件均值均落在一根正斜率的直线上。这条直线称为,总体回归线,。,P(Y=561|X=800,）,=1/4,。,由于不确定因素的影响，对同一收入水平X，不同,10,0,500,1000,1500,2000,2500,3000,3500,500,1000,1500,2000,2500,3000,3500,4000,每月可支配收入,X,（元）,每,月,消,费,支,出,Y,（元）,050010001500200025003000350050,11,在给定解释变量,X,i,条件下被解释变量,Y,i,的期望轨迹称为总体回归线,（,population regression line,）,，或更一般地称为总体回归曲线,（,population regression curve,）,。,相应的函数：,称为（双变量）,总体回归函数,（,population regression function,PRF,）,。,在给定解释变量Xi条件下被解释变量Yi,12,函数形式：,可以是线性或非线性的。称,为一线性函数,。,其中，,0,，,1,是总体未知参数，称为,回归系数,（,regression coefficients,）。,含义：,总体回归函数（,PRF,）说明被解释变量,Y,的平均状态（总体条件期望）随解释变量,X,变化的规律。,用例子解释,函数形式：可以是线性或非线性的。称 为一线性函数。其中，,13,对总体回归函数的进一步说明：,第一，我们的最终目标是,第二，条件 的作用在于限制,Y,的可能取值,范围，以便于提高搜索,Y,的精确度；,第三，总体回归函数的建立与回归分析无关。方程中的“,=,”反映的,不是,统计依赖关系,(,即不是统计学上的相关关系,),，而是由经济理论分析所确定的一种,因果关系,。,这是统计学与经济学中所使用的回归分析之间最大的不同！（切记！）,对总体回归函数的进一步说明：第一，我们的最终目标是,14,三、随机扰动项,总体回归函数说明在给定的收入水平,X,i,下，该社区家庭平均的消费支出水平。但对某一个别的家庭，其消费支出可能与该平均水平有偏差。,称为观察值围绕它的期望值的离差,（,deviation,）,，是一个不可观测的随机变量，又称为随机干扰项,（,stochastic disturbance,）,或随机误差项,（,stochastic error,）,。,三、随机扰动项总体回归函数说明在给定的收入水平Xi下，该社区,15,例,2.1,中，给定收入水平,X,i,个别家庭的支出可表示为两部分之和：（,1,）该收入水平下所有家庭的平均消费支出,E(Y|X,i,),，称为系统性,（,systematic,）,或确定性,（,deterministic),部分；（,2,）其他随机或非确定性,（,nonsystematic),部分,i,。,例2.1中，给定收入水平Xi,个别家庭的支出可表示为两部分,16,称为,总体回归函数（,PRF,）,的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。由于方程中引入了随机项，成为计量经济学模型，因此也称为,总体回归模型,。,称为总体回归函数（PRF）的随机设定形式。表明被解释变量除了,17,随机误差项主要包括下列因素：,在解释变量中被忽略的因素的影响；,被解释变量观测值的观测误差的影响；,模型关系的设定误差的影响；,其他随机因素的影响。,回归模型的扩展：,一元模型是一个方程组，举例；,允许多个解释变量的存在，,系数含义,。,随机误差项主要包括下列因素：,18,四、样本回归函数（,SRF,）,问题：,能从一次抽样中获得总体的近似的信息吗？如果可以，如何从抽样中获得总体的近似信息？,例,2.2,：,在例,2.1,的总体中有如下一个样本，能否从该样本估计总体回归函数,PRF,？,回答：能,四、样本回归函数（SRF）问题：能从一次抽样中获得总体的近似,19,该样本的,散点图,（,scatter diagram),：,画一条直线以尽好地,拟合,该散点图，由于样本取自总体，可以该直线近似地代表总体回归线。该直线称为,样本回归线,（,sample,regression lines,）,。,该样本的散点图（scatter diagram)：,20,记样本回归线的函数形式为：,称为,样本回归函数,（,sample regression function,，,SRF,）。,问题一：样本回归函数（样本回归线）有几条？总体回归线呢？,记样本回归线的函数形式为：称为样本回归函数（samp,21,注意，“,拟合,”的含义：,样本回归曲线有无数条，这是由我们对其的定义所决定的。它就是对样本散点的拟合曲线！在没有给出拟合标准之前，我可以任意决定。而总体回归曲线只有一条，就是总体 的条件期望的轨迹，即总体回归曲线的设定标准我已经给出了。,问题二，为什么不将样本回归函数也定义成样本的条件期望呢？,注意，“拟合”的含义：样本回归曲线有无数条，,22,这里我们是希望利用拟合手段来求解样本回归函数。而将样本回归函数定义成样本的条件期望，进而用其去近似替代总体回归函数，这一技术（手段）也可行，并且已经被人们建立起来了，这就是所谓的矩估计方法。换句话说，“拟合”与“条件期望”都是构造样本回归函数的方法而已，这就是所谓的估计。而检验主要是指针对样本观测值分析这些构造方法下得到的样本回归函数的好坏。而构造出来的样本回归函数究竟在多大程度上能去替代总体回归函数，这还涉及到对样本的抽样技术，要求所抽样本能全面反映总体特征，进而用从样本中得到的信息去近似替代总体的特征！（分形）,这里我们是希望利用拟合手段来求解样本回归函数。而将样本回归函,23,注意：,这里,将,样本回归线,看成,总体回归线,的近似替代,则,注意：这里将样本回归线看成总体回归线的近似替代则,24,样本回归函数的随机形式,/,样本回归模型：,同样地，样本回归函数也有如下的随机形式：,由于方程中引入了随机项，成为计量经济模型，因此也称为,样本回归模型,（,sample regression model,）,。,样本回归函数的随机形式/样本回归模型：同样地，样本回归函数也,25,回归分析的主要目的：估计,样本回归函数,SRF,，以,近似替代,总体回归函数,PRF,。,即，根据,去替代,回归分析的主要目的：估计样本回归函数SRF，以近似替代总,26,注意：,这里,PRF,可能永远无法知道。,注意：这里PRF可能永远无法知道。,27,总结：,第一，回归分析不能用于检验因果关系；,第二，总体回归函数是我们永远不能实现目标；,第三，随机误差项必须被包含在回归模型中；,第四，样本回归函数是对总体回归函数的一种近似，重要的是估计的回归系数。,总结：,28,第五，回归分析在计量中应用的思路：,估计,检验,回归分析,经济分析,第五，回归分析在计量中应用的思路：估计检验回归分析经济分析,29,