计量经济学第二章 一元线性回归方程
计量经济学 第二章
二、典型例题分析
例 1、令 kids 表示一名妇女生育孩子的数目，educ 表示该妇女接受过教育的年数。生 育率对教育年数的简单回归模型为
kids = β0 + β1educ + μ
1
（1）随机扰动项 μ 包含什么样的因素？它们可能与教育水平相关吗？
（2）上述简单回归分析能够揭示教育对生育率在其他条件不变下的影响吗？请解释。
关于 βˆ1 求偏导得
∑ ∂RSS = 2
∂βˆ1
(Yt − βˆ1 X t )(− X t ) = 0
即
∑ X t (Yt − βˆ1 X t ) = 0
βˆ1
=
(∑ X iYi )
(∑
) X
2 i
4
可见 βˆ1 是 OLS 估计量。
例 5．假设模型为 Yt = α + βX t + μt 。给定 n 个观察值 ( X1,Y1 ) ， ( X 2 ,Y2 ) ，…，
5
例 6．对于人均存款与人均收入之间的关系式 St = α + βYt + μt 使用美国 36 年的年度数
据得如下估计模型，括号内为标准差：
Sˆt = 384.105 + 0.067Yt (151.105) (0.011)
第二章2.2一元线性回归分析
ˆ β1 ~ N ( β1 ,
∑x
σ2
2 i
)
ˆ β 0 ~ N (β 0 ,
∑ n∑ x
X i2
2 i
σ 2)
22
随机误差项u的方差σ 随机误差项 的方差σ2的估计 的方差
σ2又称为总体方差 总体方差。 总体方差
23
由于随机项ui不可观测，只能利用残差ei (ui的 估计)的样本方差，来估计ui的总体方差σ2 。 样本方差？ 样本方差？ 可以证明，σ2的最小二乘估计量 最小二乘估计量为: 可以证明 最小二乘估计量
= β1 + P lim(∑ xi µ i / n) P lim(∑ xi2 / n)
xi µ i
2 i
∑x
)
样本协方差？ 样本协方差？
Cov ( X , µ ) 0 = β1 + = β1 + = β1 Q Q
21
四、参数估计量的抽样分布及随机项方 差的估计
ˆ ˆ 、 1、参数估计量 β 0 和 β 1 的概率分布
Yi = β0 + β1 X i + ui
i=1
Y为被解释变量，X为解释变量，β0与β1为待估 待估 参数， 随机项。 参数 u为随机项。 随机项
2
回归分析的主要目的是要通过样本回归函数 回归分析的主要目的 （模型）SRF尽可能准确地估计总体回归函数 （模型）PRF。 估计方法有多种，其中最广泛使用的是普通最 普通最 估计方法 小二乘法（ordinary least squares, OLS）。 小二乘法 为保证参数估计量具有良好的性质，通常对模 型提出若干基本假设。 实际这些假设与所采用的估计方法紧密相关。
2
1 X2 = + n ∑ x2 i
计量经济学第2章 一元线性回归模型
15
~ ~ • 因为 2是β2的线性无偏估计，因此根据线性性， 2 ~ 可以写成下列形式： 2 CiYi
• 其中αi是线性组合的系数，为确定性的数值。则有
E ( 2 ) E[ Ci ( 1 2 X i ui )]
E[ 1 Ci 2 Ci X i Ci ui ]
6
ˆ ˆ X )2 ] ˆ , ˆ ) [ (Yi Q( 1 2 i 1 2 ˆ ˆ X 2 Yi 1 2 i ˆ ˆ 1 1 2 ˆ ˆ ˆ ˆ [ ( Y X ) ] 1 2 i Q( 1 , 2 ) i ˆ ˆ X X 2 Yi 1 2 i i ˆ ˆ 2 2
16
~
i
i
• 因此 ~ 2 CiYi 1 Ci 2 Ci X i Ci ui 2 Ci ui
• 再计算方差Var( ) 2 ，得 ~ ~ ~ 2 ~ Var ( 2 ) E[ 2 E ( 2 )] E ( 2 2 ) 2
C E (ui )
2 i 2 i
i
~
i
i
i
i
E ( 2 Ci ui 2 ) 2 E ( Ci ui ) 2
i
2 u
C
i
2 i
i
~ ˆ)的大小，可以对上述表达式做一 • 为了比较Var( ) 和 Var( 2 2
些处理： ~ 2 2 2 2 Var ( 2 ) u C ( C b b ) i u i i i
8
• 2.几个常用的结果
• （1） • （2） • （3） • （4）
计量经济学 第二章 一元线性回归模型
第二章 一元线性回归模型2.1 一元线性回归模型的基本假定2.1.1一元线性回归模型有一元线性回归模型（统计模型）如下， y t = β0 + β1 x t + u t上式表示变量y t 和x t 之间的真实关系。
其中y t 称被解释变量（因变量），x t 称解释变量（自变量），u t 称随机误差项，β0称常数项，β1称回归系数（通常未知）。
上模型可以分为两部分。
（1）回归函数部分，E(y t ) = β0 + β1 x t ,（2）随机部分，u t 。
图2.1 真实的回归直线这种模型可以赋予各种实际意义，居民收入与支出的关系；商品价格与供给量的关系；企业产量与库存的关系；身高与体重的关系等。
以收入与支出的关系为例。
假设固定对一个家庭进行观察，随着收入水平的不同，与支出呈线性函数关系。
但实际上数据来自各个家庭，来自同一收入水平的家庭，受其他条件的影响，如家庭子女的多少、消费习惯等等，其出也不尽相同。
所以由数据得到的散点图不在一条直线上（不呈函数关系），而是散在直线周围，服从统计关系。
“线性”一词在这里有两重含义。
它一方面指被解释变量Y 与解释变量X 之间为线性关系，即1tty x β∂=∂220tt y x β∂=∂另一方面也指被解释变量与参数0β、1β之间的线性关系，即。
1ty x β∂=∂，221ty β∂=∂0 ，1ty β∂=∂，2200ty β∂=∂2.1.2 随机误差项的性质随机误差项u t 中可能包括家庭人口数不同，消费习惯不同，不同地域的消费指数不同，不同家庭的外来收入不同等因素。
所以在经济问题上“控制其他因素不变”是不可能的。
随机误差项u t 正是计量模型与其它模型的区别所在，也是其优势所在，今后咱们的很多内容，都是围绕随机误差项u t 进行了。
回归模型的随机误差项中一般包括如下几项内容： （1）非重要解释变量的省略， （2）数学模型形式欠妥， （3）测量误差等，（4）随机误差（自然灾害、经济危机、人的偶然行为等）。
第二章 一元线性回归
n ei 0 i 1 n xe 0 i i i 1
经整理后,得正规方程组
n n ˆ ˆ n ( x ) 0 i 1 yi i 1 i 1 n n n ( x ) ˆ ( x 2 ) ˆ xy i 0 i 1 i i i 1 i 1 i 1
y ˆ i 0 1xi ˆi 之间残差的平方和最小。 使观测值 y i 和拟合值 y
ei y i y ˆi
n
称为yi的残差
ˆ , ˆ ) ˆ ˆ x )2 Q( ( y i 0 1i 0 1
i 1
min ( yi 0 1 xi ) 2
i
xi x
2 ( x x ) i i 1 n
yi
2 .3 最小二乘估计的性质
二、无偏性
ˆ ) E ( 1
i 1 n
n
xi x
2 ( x x ) j j 1 n
其中用到
E ( yi )
( x x) 0 (xi x) xi (xi x)2
二、用统计软件计算
1．例2.1 用Excel软件计算
什么是P 值?(P-value)
• P 值即显著性概率值 ，Significence Probability Value
•
是当原假设为真时所得到的样本观察结果或更极端情况 出现的概率。
P值与t值： P t t值 P值
•
它是用此样本拒绝原假设所犯弃真错误的真实概率，被 称为观察到的(或实测的)显著性水平。P值也可以理解为 在零假设正确的情况下，利用观测数据得到与零假设相 一致的结果的概率。
2 .1 一元线性回归模型
21一元线性回归模型.ppt
同理，p(Y= ？ /X=260)=1/7
条件均值(条件期望 ) :
对Y的每一条件概率分布，我们能算出它 的均值 :
记做E(Y/X=Xi)
［简写为E(Y/Xi) ］
并读为“在X取特定Xi值时的Y的期望值”。
计算方法：
将表2.1中的有关列乘以表2.2中的相应列 的条件概率，然后对这些乘积求和便是。
第二章 一元线性回归模型
§2.1 一元线性回归模型概念基础 回归是计量经济学的主要工具 一、“回归”一词的历史渊源
Francis Galton F．加尔顿
回归一词最先由F．加尔顿 (FrancisC,alton)引入
加尔顿的普遍回归定律还被他的朋友 K．皮尔逊(KartPearson)证实
Karl Pearson K．皮尔逊
综合来看，回归分析一般可以用来：
（1） 通过已知变量的值来估计因变量的均值。
（2）对独立性进行假设检验―――根据经济理 论建立适当的假设。
例如，对于需求函数，你可以检验假设：需求的 价格弹性为-1.0；即需求曲线具有单一的价格 弹性。也就是说，在其他影响需求的因素保持 不变的情况下，如果商品的价格上涨1％，平 均而言，商品的需求量将减少1％。
P （
1/7 1/5 1/5 1/6 1/5 1/7 1/5 1/7 1/5
Y/ 1/7 1/5 1/5 1/6 1/5 1/7 1/5 1/7 1/5
Xi ） 1/7
1/6
1/7
1/7
1/7
1/7
1/7
Y的条 48 46 44 42 40 38 36 34 32 30
件均值
E(Y/X=Xi) Y的条件均值
·
·
·
· ·
计量经济学(第三版)李子奈 潘文卿 编著 第二章第12题答案
计量经济学(第三版)李子奈潘文卿编著第二章第12题解题答案P61：1.作散点图，建立税收和GDP的一元线性回归方程，解释斜率经济意义。
1.1散点图图表1税收Y和国内生产总值GDP散的样本点图1.2税收Y随国内总值GDP（X）变化的一元线性回归方程，以及斜率的经济意义。
图表2中国内地税收的平均状态对国内生产总值平均状态的回归∴又回归估计结果可得一元线性回归方程为Y I=-10.6296+0.0710X I斜率的经济意义：表示国内生产总值GDP每1元的变化所引起的税收的平均变化为0.071.2.对建立的回归方程进行检验。
2.1拟合优度检验----可决系数R2统计量从回归估计的结果看，模型拟合还行。
可决系数R2=0.7603，表明税收变化的76.03%可以由国内生产总值GDP的变化来解释。
2.2变量的显著性检验假设：H0：βi＝0 H1：βi≠0给定显著性性水平0.05，查t分布表得到临界值t(a/2)(31-2)=2.045i.对于β1，从回归分析结果中斜率的t检验值来看9.591245>2.045,所以在95%的置信度下拒绝原假设H0，即变量X是显著的，通过显著性检验。
ii.对于β0，从回归分析结果中截距t检验值来看-0.1235<2.045, 所以在95%的置信度下接受原假设H0，没有通过显著性检验。
3.若2008年某地区GDP为8500亿元，求该地区税收收入的预测值及预测区间？解：由回归方程Y I=-10.6296+0.0710X I可得该地区税收收入的预测值Y=-10.6296+0.0710x8500=592.8704(亿元)由于国民生产总值X的样本均值和样本方差为：E（X）=8891.126 Vax(X)=5782313在给定95%的置信度水平下，该地区税收收入的预测区间为：=592.704±641.288或（-48.584,1233.992）。
计量经济学第二章一元线性回归模型
回归分析概述 一元线性回归模型的参数估计 一元线性回归模型的检验 一元线性回归模型的预测 实例
§2.1 回归分析概述
一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF）
2020/3/6
LOU YONG
表 2.1.3 家庭消费支出与可支配收入的一个随机样本 Y 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 X 594 638 1122 1155 1408 1595 1969 2078 2585 2530
2020/3/6
LOU YONG
20
• 该样本的散点图（scatter diagram)：
分i。
2020/3/6
LOU YONG
17
上式称为总体回归函数（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。
2020/3/6
LOU YONG
18
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； 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。
回归系数（regression coefficients）。
2020/3/6
LOU YONG
15
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）。
第2章一元线性回归模型
一元线性回归模型
回归分析是计量经济学的基础内容！
本章介绍一元线性回归模型，最小二乘估计方法及 其性质，参数估计的假设检验、预测等。
浙江财经大学 倪伟才
1
本章主要内容
2 .1 一元线性回归模型
2 .2 参数β0、β1的估计
2 .3 最小二乘估计的性质
2 .4 回归方程的显著性检验 2 .5 残差分析 2 .6 回归系数的区间估计
浙江财经大学 倪伟才 10
回归的术语
y的各种名称： 因变量(dependent variable)或被解释变量 (explained variable)或回归子(regressand)或内 生(endogenous)； X的各种名称： 自变量(independent variable)或解释变量 (explanatory variable)或回归元(regressor)或外 生(exogenous) U的各种名称： 随机误差项或随机扰动项(stochastic error term, random disturbance term ): 表示其它因素的影响，是不可观测的随机误差！
浙江财经大学 倪伟才
9
2.1一元线性回归模型
由于两个变量y, x具有明显的线性关系，故考虑直 线方程y=0+1x（函数表达的是确定性关系，有缺 陷！） y=0+1x+u, 其中u表示除x外，影响y的其它一切 因素。 将y与x之间的关系用两部分来描述： a. 一部分0+1x ，由x的变化引起y变化； b.另一部分u ，除x外的其它一切因素引起y变化。 参数(parameters) 0 , 1 ; 0 称为回归常数(截距)（intercept, constant）， 1称为回归斜率(slope)
计量经济学章节练习题(第二章 一元线性回归模型)已改
第二章 一元线性回归模型一、单项选择题1、表示X 与Y 之间真实线性关系的是【 】A tt X Y 10ˆˆˆββ+= B E t t X X Y 10)(ββ+= C t t t u X Y ++=10ββ D t t X Y 10ββ+=2、参数β的估计量βˆ具备有效性是指【 】 A Var(βˆ)=0 B Var(βˆ)为最小 C (βˆ－β)＝0 D (βˆ－β)为最小 3、设样本回归模型为i i i e X Y ++=10ˆˆββ，则普通最小二乘法确定的iβˆ的公式中，错误的是【 】 A∑∑---=21)())((ˆX X Y Y X X ii iβ B ∑∑∑∑∑--=221)(ˆi ii i i i X X n Y X Y X n βC ∑∑-⋅-=221)(ˆX n X YX n Y X ii i β D 21ˆxii i i Y X Y X n σβ∑∑∑-= 4、对于ii i e X Y ++=10ˆˆββ，以σˆ表示估计标准误差，r 表示相关系数，则有【 】 A σˆ=0时，r ＝1 B σˆ=0时，r ＝－1 C σˆ=0时，r ＝0 D σˆ=0时，r ＝1 或r ＝－1 5、产量（X ，台）与单位产品成本（Y ， 元/台）之间的回归方程为Yˆ＝356－1.5X ，这说明【 】A 产量每增加一台，单位产品成本增加356元B 产量每增加一台，单位产品成本减少1.5元C 产量每增加一台，单位产品成本平均增加356元D 产量每增加一台，单位产品成本平均减少1.5元6、在总体回归直线E X X Y 10)(ββ+=中，1β表示【 】 A 当X 增加一个单位时，Y 增加1β个单位B 当X 增加一个单位时，Y 平均增加1β个单位C 当Y 增加一个单位时，X 增加1β个单位D 当Y 增加一个单位时，X 平均增加1β个单位7、对回归模型t t t u X Y ++=10ββ进行统计检验时，通常假定t u 服从【 】 A N （0，2i σ） B t(n-2) C N （0，2σ） D t(n)8、以Y 表示实际观测值，Yˆ表示回归估计值，则普通最小二乘法估计参数的准则是使【 】 A )ˆ(iiYY -∑＝0 B 2)ˆ(iiY Y -∑＝0 C)ˆ(iiYY -∑为最小 D 2)ˆ(iiY Y -∑为最小9、设Y 表示实际观测值，Yˆ表示OLS 回归估计值，则下列哪项成立【 】 A Y Y=ˆ B Y Y =ˆ C Y Y=ˆ D Y Y =ˆ 10、用普通最小二乘法估计经典线性模型t t t u X Y ++=10ββ，则样本回归线通过点【 】A （X ，Y ）B (X ，Y ˆ)C (X ，Yˆ) D (X ，Y ) 11、以Y 表示实际观测值，Yˆ表示回归估计值，则用普通最小二乘法得到的样本回归直线 ii X Y 10ˆˆˆββ+=满足【 】 A )ˆ(iiYY -∑＝0 B 2)ˆ(Y Y i-∑＝0 C2)ˆ(iiY Y -∑＝0 D2)(Y Y i-∑＝012、用一组有30个观测值的样本估计模型t t t u X Y ++=10ββ，在0.05的显著性水平下对1β的显著性作t 检验，则1β显著地不等于零的条件是其统计量t 大于【 】A 05.0t （30）B 025.0t （30）C 05.0t （28）D 025.0t （28）13、已知某一直线回归方程的判定系数为0.64，则解释变量与被解释变量间的相关系数可能为【 】A 0.64B 0.8C 0.4D 0.32 14、相关系数r 的取值范围是【 】A r ≤－1B r ≥1C 0≤ r ≤1D －1≤ r ≤1 15、判定系数2R 的取值范围是【 】A 2R ≤－1B 2R ≥1C 0≤2R ≤1D －1≤2R ≤1 16、某一特定的X 水平上，总体Y 分布的离散度越大，即2σ越大，则【 】 A 预测区间越宽，精度越低 B 预测区间越宽，预测误差越小 C 预测区间越窄，精度越高 D 预测区间越窄，预测误差越大 17、在缩小参数估计量的置信区间时，我们通常不采用下面的那一项措施【 】 A 增大样本容量 n B 提高置信水平C 提高模型的拟合优度D 提高样本观测值的分散度18、对于总体平方和TSS 、回归平方和ESS 和残差平方和RSS 的相互关系，正确的是【 】 A TSS>RSS+ESS B TSS=RSS+ESS C TSS<RSS+ESS D TSS 2=RSS 2+ESS 219、对样本相关系数r ，以下结论中错误．．的是【 】 A r 越接近于1，Y 与X 之间线性相关程度越高 B r 越接近于0，Y 与X 之间线性相关程度越弱 C -1≤r ≤1D 若r=0，则X 与Y 独立20、若两变量x 和y 之间的相关系数为-1，这说明两个变量之间【 】 A 低度相关 B 不完全相关 C 弱正相关 D 完全相关21、普通最小二乘法要求模型误差项u i 满足某些基本假定，下列结论中错误的是【 】。
第二章 经典单方程计量经济学模型：一元线性回归模型
第二章经典单方程计量经济学模型：一元线性回归模型一、内容提要本章介绍了回归分析的基本思想与基本方法。
首先，本章从总体回归模型与总体回归函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。
总体回归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总体回归函数做出统计推断。
本章的一个重点是如何获取线性的样本回归函数，主要涉及到普通最小二乘法（OLS）的学习与掌握。
同时，也介绍了极大似然估计法（ML）以及矩估计法（MM）。
本章的另一个重点是对样本回归函数能否代表总体回归函数进行统计推断，即进行所谓的统计检验。
统计检验包括两个方面，一是先检验样本回归函数与样本点的“拟合优度”，第二是检验样本回归函数与总体回归函数的“接近”程度。
后者又包括两个层次：第一，检验解释变量对被解释变量是否存在着显著的线性影响关系，通过变量的t检验完成；第二，检验回归函数与总体回归函数的“接近”程度，通过参数估计值的“区间检验”完成。
本章还有三方面的内容不容忽视。
其一，若干基本假设。
样本回归函数参数的估计以及对参数估计量的统计性质的分析以及所进行的统计推断都是建立在这些基本假设之上的。
其二，参数估计量统计性质的分析，包括小样本性质与大样本性质，尤其是无偏性、有效性与一致性构成了对样本估计量优劣的最主要的衡量准则。
Goss-markov定理表明OLS估计量是最佳线性无偏估计量。
其三，运用样本回归函数进行预测，包括被解释变量条件均值与个值的预测，以及预测置信区间的计算及其变化特征。
二、典型例题分析例1、令kids表示一名妇女生育孩子的数目，educ表示该妇女接受过教育的年数。
生育率对教育年数的简单回归模型为β+μβkids=educ+1（1）随机扰动项μ包含什么样的因素？它们可能与教育水平相关吗？（2）上述简单回归分析能够揭示教育对生育率在其他条件不变下的影响吗？请解释。
计量经济学 第二章 一元线性回归模型
计量经济学第二章一元线性回归模型第二章一元线性回归模型第一节一元线性回归模型及其古典假定第二节参数估计第三节最小二乘估计量的统计特性第四节统计显著性检验第五节预测与控制第一节回归模型的一般描述（1）确定性关系或函数关系：变量之间有唯一确定性的函数关系。
其一般表现形式为：一、回归模型的一般形式变量间的关系经济变量之间的关系，大体可分为两类：（2.1)（2）统计关系或相关关系：变量之间为非确定性依赖关系。
其一般表现形式为：(2.2)例如：函数关系：圆面积S =统计依赖关系/统计相关关系：若x和y之间确有因果关系，则称(2.2)为总体回归模型，x(一个或几个）为自变量（或解释变量或外生变量），y为因变量（或被解释变量或内生变量），u为随机项，是没有包含在模型中的自变量和其他一些随机因素对y的总影响。
一般说来，随机项来自以下几个方面：1、变量的省略。
由于人们认识的局限不能穷尽所有的影响因素或由于受时间、费用、数据质量等制约而没有引入模型之中的对被解释变量有一定影响的自变量。
2、统计误差。
数据搜集中由于计量、计算、记录等导致的登记误差；或由样本信息推断总体信息时产生的代表性误差。
3、模型的设定误差。
如在模型构造时，非线性关系用线性模型描述了；复杂关系用简单模型描述了；此非线性关系用彼非线性模型描述了等等。
4、随机误差。
被解释变量还受一些不可控制的众多的、细小的偶然因素的影响。
若相互依赖的变量间没有因果关系，则称其有相关关系。
对变量间统计关系的分析主要是通过相关分析、方差分析或回归分析(regression analysis)来完成的。
他们各有特点、职责和分析范围。
相关分析和方差分析本身虽然可以独立的进行某些方面的数量分析，但在大多数情况下，则是和回归分析结合在一起，进行综合分析，作为回归分析方法的补充。
回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。
计量经济学的2.2 一元线性回归模型的参数估计
ˆ ˆ ˆ ˆ ˆ yi ( 0 1 X i ) ( 0 1 X e ) ˆ 1 ( X i X ) 1 ei n
可得 或
ˆ ˆ y i 1 xi ˆ y x e
i 1 i
（**）
i
why？
（**）式也称为样本回归函数的离差形式。 注意：在计量经济学中，往往以小写字母表示对 均值的离差。
2、如果假设4满足，则假设2也满足。 以上假设也称为线性回归模型的经典假设 或高斯（Gauss）假设，满足该假设的线性回归 模型，也称为经典线性回归模型（Classical Linear Regression Model, CLRM）。
27
线性回归模型的基本假设（5）
假设5、var(X)必须是一个有限的正数。（教材的假 设5） 2
33
这三个准则也称作估计量的小样本性质。
拥有这类性质的估计量称为最佳线性无偏估计 量（best liner unbiased estimator, BLUE）。 当不满足小样本性质时，需进一步考察估计量的 大样本或渐近性质： （4）渐近无偏性，即样本容量趋于无穷大时，是 否它的均值序列趋于总体真值； （5）一致性，即样本容量趋于无穷大时，它是否 依概率收敛于总体的真值； （6）渐近有效性，即样本容量趋于无穷大时，是 否它在所有的一致估计量中具有最小的渐近方差。 34
(X
i
X ) / n Q,
n
意为：在一个给定的样本中，X值不可以全是相同的
如果全部X值都相同，则 X i X ，方程 的分母就变
ˆ ˆ 为零，从而无法估计 1 ，也就无法估计 0 。
又如： 家庭消费支出例子，如果家庭收入很少变动，我们就不能解释 消费支出的变化。读者应该记住，要把回归分析作为一种研究 工具来使用，Y和X两者均有变化是最为重要的。简言之，变量 28 必须在变!
第二章 一元线性回归模型
__
__
2
/n
★样本相关系数r是总体相关系数 的一致估计
相关系数有以下特点：
• • • • 相关系数的取值在-1与1之间。 （2）当r=0时，线性无关。 （3）若r＞0 ，正相关，若r＜0 ，负相关。 （4）当0＜|r|＜1时，存在一定的线性相关 关系， 越接近于1，相关程度越高。 • （5）当|r|=1时，表明x与y完全线性相关 （线性函数），若r=1，称x与y完全正相关； 若r=-1，称x与y完全负相关。 • 多个变量之间的线性相关程度，可用复相 关系数和偏相关系数去度量。
●假定解释变量X在重复抽样中取固定值。 但与扰动项u是不相关的。(从变量X角度看是外生的)
注意: 解释变量非随机在自然科学的实验研究中相对
Yi 1 2 X i ui
●假定解释变量X是非随机的，或者虽然X是随机的，
容易满足，经济领域中变量的观测是被动不可控的， X非随机的假定并不一定都满足。
E( y xi ) 0 1xi
11
• 可以看出,虽然每个家庭的消费支出存在差 异,但平均来说，家庭消费支出是随家庭可 支配收入的递增而递增的。当x取各种值时, y的条件均值的轨迹接近一条直线,该直线称 为y对x的回归直线。（回归曲线）。 • 把y的条件均值表示为x的某种函数，可写 为：
E( y xi ) 0 1xi
Var ( y xi ) 2
Cov( yi , y j ) 0
y | xi ~ N (0 1xi , )
2
22
第三节 参数估计
• 一、样本回归方程
• 对于
yi 0 1 xi ui
• 在满足古典假定下，两边求条件均值，得到总体 回归函数：
计量经济学【一元线性回归模型——参数估计】
ˆ0计量ˆ1 和
可以分别表示为被解释变量观测Y值i
的线
性组合（线性函数）；
ˆ证1 明
如( X下i ： X )(Yi (Xi X )2
Y
)
(Xi X) (Xi X )2
(Yi
Y
)
ki (Yi Y )
其中ki ：
(Xi X) (Xi X )2
ki
对ki于引0 进的 ki (X容i 易X证) 明有k如i X下i 的1 特性k：i2
2
,
,
,
,
,
,
,
,
i
1,
2,
n
假设3：随机误差项在不同样本点之间是独立的，不
存
Cov(i , j ) 0,,,,,,,i j,,,,i, j 1, 2, n
在序列相关，即：
一、一元线性回归模型的基本假设
假设 4：随机误差项与解释变量之间不相关， 即：
Cov( Xi , i ) 0,,,,,,,,,,,i 1, 2, n
：待估
E(Y
总样体本回回归归函函数数形形式式：：Yˆi
| Xi)
ˆ0
0 ˆ1X i
1X i
其 计
中 估
方
ˆ0 , ˆ1 法ˆ0，, ˆ1求
是ˆ00,,ˆ11 出
的估计值，我们需要找到一种参数 ， 并0 ,且1 这 种 参 数 估 计 方 法 保 证 了 估
计值 数
与总体真值
尽可能地接近；这种参
i
根据微 小，
积
分中
ˆ0 , ˆ1
求
极
值
的
原
理
，
要
使 i
ei2
待定系数
第二章 一元线性回归分析基础
加，消费增加，但消费的增长低于收入的增长，即消
费对收入的弹性小于1。它的数学表述为
Y X
0
Y X
1,
Y X
Y X
其中Y为消费额，X为收入。
该线性方程描述了消费与收入之间的确定关系，即给定 一个收入值，可以根据方程得到一个唯一确定的消费值。 但实际上消费与收入间的关系不是准确实现的。
原因：入随机误差项，将变量之间的关系用一个线性 随机方程来描述，用随机数学的方法来估计方程中的 参数，这就是线性回归模型的特征，也就是线性计量 经济学模型的特征。
二、一元线性回归模型
单方程线性回归模型的一般形式为
Yi 1 2 X2i 3 X3i k Xki ui ,i 1,2, ,n 其中Y为被解释变量，X 2 ,X 3 , ,X n 为解释变量。
化。
如果误差项的方差不同，那么与其对应的观测值Yi的可 靠程度也不相同。这会使参数的检验和利用模型进行预 测复杂化。而满足同方差假设，将使检验和预测简化。
假设3 表示不同的误差项之间互相独立，同时，不同的 被解释变量在统计上也是互相独立的。即
Cov(Yi, Yj)= E(Yi－E(Yi)) (Yj－E(Yj))= E(uiuj)=0， i≠j 假假设设4，自通动常满X足i为，确即定性变量，即非随机变量，此时，该
也可以用显函数形式表示为 Y f ( X1,X 2 , ,X n )
其中最简单的形式为一元线性函数关系。
例如 当某种商品单价P固定不变，其销售收入y与销售 的商品数量x之间的关系为一元线性关系，即y = Px
如果用x，y构成的直角坐标图来表示，上式所表示的 函数关系为一条经过坐标原点的直线，所有可能的点 都在这条直线上。
Cov(ui, Xi)= E(ui－E(ui)) (Xi－E(Xi))=0，i=1,2, ……,n 假设5 随机误差项服从零均值，同方差的正态分布。即
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2002 2420 4950 11495 16445 19305 23870 25025 21450 21285 15510
11
2.1 回归分析概述
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；
935 1012 1210 1408 1650 1848 2101 2354 2860 968 1045 1243 1474 1672 1881 2189 2486 2871
1078 1254 1496 1683 1925 2233 2552 1122 1298 1496 1716 1969 2244 2585 1155 1331 1562 1749 2013 2299 2640 1188 1364 1573 1771 2035 2310 1210 1408 1606 1804 2101
1500 2000 2500 3000 每月可支配收入X（元）
3500 4000
13
2.1 回归分析概述
总体回归函数 在给定解释变量Xi条件下被解释变量Yi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： E(Y | X i ) f (X i ) 称为（双变量）总体回归函数（population regression function, PRF）。
7
2.1 回归分析概述
回归分析的基本概念
回归分析构成计量经济学的方法论基础，主要内 容包括：
根据样本观察值对计量经济学模型参数进行估计，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
8
2.1 回归分析概述
总体回归函数 由于变量间关系的随机性，回归分析关心
6
2.1 回归分析概述
回归分析的基本概念
回归分析(regression analysis)是研究一个变量关于另一个 （些）变量的具体依赖关系的计算方法和理论。
其用意：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。
这里：前一个变量被称为被解释变量（Explained Variable） 或应变量（Dependent Variable），后一个（些）变量被 称为解释变量（Explanatory Variable）或自变量 （Independent Variable）。
3
2.1 回归分析概述
回归分析的基本概念 经济变量之间的关系，大体可分为两类：
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。
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。
4
例如： 函数关系：
圆面积 f ,半径 半径2
统计依赖关系/统计相关关系：
农作物产量 f 气温, 降雨量, 阳光, 施肥量
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：
正相关
线性相关 不相关 相关系数：
统计依赖关系
负相关 1 XY 1 有因果关系 回归分析
正相关 非线性相关 不相关
负相关
无因果关系 相关分析
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。
9
2.1 回归分析概述
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。
5
2.1 回归分析概述
相关关系与回归分析
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。
相关分析对称地对待任何（两个）变量，两个变 量都被看作是随机的。回归分析对变量的处理方 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。
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， 如： P(Y=561|X=800）=1/4。
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）：
《计量经济学》
《Econometrics》 《经济计量学》
第二章 一元线性回归模型
回归分析概述 一元线性回归模型的基本假设 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
2
2.1 回归分析概述
一、回归分析的基本概念 数（SRF）
E(Y|X=Xi)
该例中：E(Y | X=800)=605
12
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。
3500
每 月 消 费 支 出
Y （元）
3000 2500 2000 1500 1000
500 0
500
1000
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。
10
每 月 家 庭 消 费 支 出 Y （元）
共计
表 2.1.1 某社区家庭每月收入与消费支出统计表 每月家庭可支配收入X（元）
800 1100 1400 1700 2000 2300 2600 2900 3200 3500 561 638 869 1023 1254 1408 1650 1969 2090 2299 594 748 913 1100 1309 1452 1738 1991 2134 2321 627 814 924 1144 1364 1551 1749 2046 2178 2530 638 847 979 1155 1397 1595 1804 2068 2266 2629