最新计量经济学演示课件教学PPT 作者庞皓第二章简单线性回归模型

合集下载

计量经济学第2章简单线性回归模型

1.1回归分析与回归函数
对回归的现代解释与古典意义有很大的不同定义：是关于研究一个叫做被解释变量（Y）的变量
对另一个或多个叫做解释变量（X）的变量的依赖关系，其用意在于通过后者的已知或设定值去估计或预测前者的均值。其中“依赖关系”，反映在一定的函数形式上：
注意： E(Y X ) F(X1, X2,, Xk )
1.1回归分析与回归函数
1855年，高尔顿发表《遗传的身高向平均数方向的回归》一文，他和他的学生通过观察1078对夫妇，以每对夫妇的平均身高作为自变量，取他们的一个成年儿子的身高作为因变量，分析儿子身高与父母身高之间的关系。发现：当父母越高或越矮时，子女的身高会比一般儿童高或矮，但是，当父母身高走向极端，子女的身高不会象父母身高那样极端化，其身高要比父母们的身高更接近平均身高，即有“回归”到平均数去的趋势。
其中，μ为随机误差项(stochastic error)或随机扰动项(stochastic disturbance )，表明除X之外影响Y的因素：忽略无数可能事件的影响测量误差
1.1回归分析与回归函数
例：假定E(Y|Xi)对X是线性的：
E(Y Xi ) 1 2 Xi 线性总体回归函数
-1.2 -0.8 -0.4 0.0 0.4 0.8 Nhomakorabea1.2 Y
因而，要进一步研究变量之间的相关关系，就需要学习回归分析方法。
1.1回归分析与回归函数
二、回归分析
“回归”这个词最早由英国生物学家高尔顿在遗传学
中提出。
法兰西斯·高尔顿（1822.2.16－1911.1.17），英国人类学家、生物统计学家、英国探险家、优生学家、心理学家、差异心理学之父，也是心理测量学上生理计量法的创始人，遗传决定论的代表人物。高尔顿平生著书15种，撰写各种学术论文220 篇，涉猎范围包括地理、天文、气象、物理、机械、人类学、民族学、社会学、统计学、教育学、医学、生理学、心理学、遗传学、优生学、指纹学、照像术、登山术、音乐、美术、宗教等，是一位百科全书式的学者。

2024版计量经济学全册课件(完整)pptx

REPORTING
2024/1/28
23
EViews软件介绍及操作指南
EViews软件概述
EViews是一款功能强大的计量经济学软件，提供数据处理、统计分析、模型
估计和预测等功能。
统计分析与检验
2024/1/28
详细讲解EViews中的统计分析工具，包括描述性统计、假设检验、方差分
析等。
数据导入与预处理介绍如何在EViews中导入数据，进行数据清洗、转换和预处理等操作。
随着大数据时代的到来，机器学习算法在数据挖掘、预测和分类等方面展现出强大的能力，为计量经济学提供了新的研究工具和方法。
机器学习在计量经济学中的应用领域
机器学习在计量经济学中的应用领域广泛，如变量选择、模型选择、非线性模型估计、高维数据处理等。
机器学习在计量经济学中的常用算法
机器学习在计量经济学中常用的算法包括决策树、随机森林、支持向量机（SVM）、神经网络等。这些算法可以用于分类、回归、聚类等任务，提高模型的预测精度和解释力。
面板数据特点
同时具有时间序列和截面数据的特征，能够提供更多的信息、更多的变化、更少共线性、更多的自由度和更高的估计效率。
2024/1/28
20
固定效应模型与随机效应模型
固定效应模型（Fixed Effects Model）
对于特定的个体而言，其截距项是固定的，不随时间变化而变化。
随机效应模型（Random Effects Mode…
经典线性回归模型
REPORTING
2024/1/28
7
一元线性回归模型
模型设定与参数估计
介绍一元线性回归模型的基本形式，解释因变量、自变量和误差项的含义，阐述最小二乘法（OLS）进行参数估计的原理。

计量经济学第三版庞皓

第二章简单线性回归模型第一节回归分析与回归函数P15（一）相关分析与回归分析1、相关关系2、相关系数3、回归分析（二）总体回归函数（条件期望）（三）随机扰动项（四）样本回归函数第二节简单线性回归模型参数的估计P26（一）简单线性回归的基本假定（二）普通最小二乘法求样本回归函数（三）OLS回归线的性质（四）最小二乘估计量的统计性质1、参数估计量的评价标准（无偏性、有效性、一致性）2、OLS估计量的统计特性（线性特性、无偏性、有效性、高斯-马尔可夫定理）第三节拟合优度的度量（RSS、ESS、TSS）P35（一）总变差的分解（二）可决系数（三）可决系数与相关系数的关系第四节回归系数的区间估计与假设检验P38（一）OLS估计的分布性质（二）回归系数的区间估值（三）回归系数的假设检验1、Z检验2、t检验第五节回归模型预测P43第六节案例分析P48第三章多元线性回归模型第一节多元线性回归模型及古典假定P64一、多元线性回归模型二、多元线性回归模型的矩阵形式三、多元线性回归模型的古典假定第二节多元线性回归模型的估计P68一、多元线性回归性参数的最小二乘估计二、参数最小二乘估计的性质（线性特性、无偏性、有效性）三、OLS估计的分布性质四、随机扰动项方差的估计五、多元线性回归模型参数的区间估计第三节多元线性回归模型的检验P74一、拟合优度检验（多重可决系数、修正的可决系数）二、回归方程的显著性检验（F-检验）三、回归参数的显著性检验（t-检验）第四节多元线性回归模型的预测P79第五节案例分析P81第四章多重共线性第一节什么是多重共线性P94第二节多重共线性产生的后果第三节多重共线性的检验第四节多重共线性的补救措施第五节案例分析P109。

第二章二计量经济学-一元线性回归分析.ppt课件

2
1 n
2 n
X
ki X 2
xi
x
2 i
2
2
1 n
X2
x
2 i
2
x
2 i
nX
2
2
X
2 i
2
n
x
2 i
n
x
2 i
(2.2.11)
精选
34
（2）证明最小方差性
假设ˆ1* 是其他方法得到的关于1 的线性无偏估计量： ˆ1* ciYi
其中，ci ki di ，di 为不全为零的常数。 E(ˆ1* ) E( ciYi ) ci E(Yi ) ci (0 1 X i ) 0 ci 1 ci X i
由ˆ1* 的无偏性，即E(ˆ1* ) 1 可知： 0 ci 1 ci X i 1
从而有： ci 0 ，ci Xi 1
精选
35
的 ˆ
* 1
方
差
var(
ˆ
* 1
)
var(
ciYi )
c
2 i
var(
Yi)
c
2 i
var(
i)
c
2 i
2
= ( k i d i ) 2 2
变量置换得到
Z 0 1 X 1 2 X 2 3 X 3
精选
9
结论：
• 实际经济活动中的许多问题，都可以最终化为线性问题，所以，线性回归模型有其普遍意义。
• 即使对于无法采取任何变换方法使之变成线性的非线性模型，目前使用得较多的参数估计方法——非线性最小二乘法，其原理仍然是以线性估计方法为基础。
(Gauss-Markov theorem) 在给定经典线性回归的假定下，最小二乘

计量经济学课件(庞浩版)

劳动经济学
劳动经济学中经常运用联立方程模型来研究劳动力市场中的各种问题，如工资决定、就业与失业、劳动力流动等。例如，可以构建一个包含工资方程和就业方程的联立方程模型，以分析最低工资制度对就业和工资水平的影响。
06
CATALOGUE
面板数据计量经济学模型
面板数据基本概念与特点
面板数据定义
面板数据是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。
面板数据模型估计方法及应用举例
估计方法
面板数据模型的估计方法主要有最小二乘法、广义最小二乘法和极大似然法等。
应用举例
面板数据模型在经济学、金融学、社会学等领域有广泛的应用，如经济增长、劳动力市场、金融市场、环境经济学等问题的研究。例如，可以利用面板数据模型研究不同国家经济增长的影响因素，或者分析某个政策对不同地区或不同群体的影响效果。
模型设定
多元线性回归模型是描述多个自变量与一个因变量之间线性关系的模型，形式为 Y=β0+β1X1+β2X2+...+βkXk+u。
假设ห้องสมุดไป่ตู้验
对各个自变量的回归系数进行假设检验，判断其是否显著不为零。
参数估计
通过最小二乘法等方法对模型中的参数进行估计，得到各个自变量的回归系数估计值。
多重共线性问题
采用逐步回归法、岭回归法、主成分分析法等方法对多重共线性进行修正，同时也可以通过增加样本容量或收集更多信息来缓解多重共线性的影响。
04
CATALOGUE
时间序列计量经济学模型
时间序列基本概念与性质
时间序列定义
按时间顺序排列的一组数据，反映现象随时间变化的发展过程。

庞浩计量经济学2第二章简单线性回归模型

17
三、总体回归函数
总体回归函数（population regression function，简称PRF）：将总体被解释变量Y的条件均值表现为解释变量X的函数。
E (Y | X i ) f ( X i )
当总体回归函数是线性形式时，
总体回归函数的条件期望表示方式
E (Y | X i ) f ( X i ) 1 2 X i
22
四、随机扰动项u
（一）定义各个被解释变量的个别值与相应的条件均值的偏差，被称为随机扰动项，或随机干扰项（stochastic disturbance），或随机误差项（stochastic error），用u表示。它可正可负，是一个随机变量。
ui Yi E (Y | X i ) Yi E (Y | X i ) ui Yi 1 2 X i ui
消费支出 Y
932
1259 1448 1651 2298 2289 2365 2488 2856 3150
25
Y
SRF1 SRF2
X
26
样本一
Y vs. X 3500 3000 2500 2000 1500 1000 500 0 1000 2000 3000 4000 5000 6000 X 3500 3000 2500 2000 1500 1000 500 0
4
（二）相关关系的种类
⒈按涉及变量的多少分为单相关多重（复）相关
相关关系的种类
⒉按表现形式的不同分为
线性相关
非线性相关正相关负相关完全相关
⒊单相关时，按相关关系的方向不同分为
4.按相关程度的不同分为
Hale Waihona Puke 不完全相关不相关5

第二章+计量经济-标准线性回归模型1-PPT精选文档

y=33.73+0.516x 可以发现：
x=72吋，y=70.89吋； x=64吋，y=66.75吋；
一、回归模型的思想
经济变量之间的关系有两类：确定性关系和非确定性关系，所谓确定性关系是指一个变量的变化能完全决定另一个变量的变化：价格一定时，销量与销售额利息率一定，存入本金与到期本息
满足目标函数的参数值记为ˆ0，ˆ1：
ˆ0 Yˆ1X
ˆ1 lXY lXX
n
n
lXX Xi X 2,lXY Xi X Yi Y
i1
i1
二、参数估计方法
多元回归模型
Y1 0 1X11 2 X12 n X1k u1 Y2 0 1X21 2 X22 n X2k u2
回归模型的目标就是用样本数据估计出参数的值，据此就可以根据X的变化估计 Y的平均变化
一、回归模型的思想
二、参数估计方法
二、参数估计方法
二、参数估计方法
通常采用最小二乘法（Least Square Estimation）来得到参数的估计量
其目标函数是：
miYni EYi | Xi miYni 01Xi
一、回归模型的思想
一、回归模型的思想
更多出现的情况是：存在密切联系但并非完全决定居民收入与消费密切相关，但不能完全决定消费广告费支出与销售额密切相关，但不能完全决定销售额
一、回归模型的思想
不完全决定的原因在于：
还有其他影响因素
一、回归模型的思想
将数据点的分布理解为如下机制所产生的结果：
2
lXX

检验统计量为：t ˆ1 ~tn2
s/ lXX
三、不确定性的测度

计量经济学第二章

3039 3396
5500 6000 6500 2924 3515 3521 3338 3721 3954 3650 3865 4108 3802 4026 4345 4087 4165 4812 4298 4380 4312 4580 4413
3853 4036 4148
计量
11 11
消费支出的条件期望与收入关系的图形
i 1
i 1
n
n
xi x yi y ˆ1 xi x 2
i 1
i 1
计量
23
易得：
n
xi x y i y ˆ1 i 1 n x i x 2
i 1
在假设前提
n
x i
x 2
0下
i 1
ˆ0 y ˆ1x
计量
24
2.3 OLS的操作技巧
•拟合值与残差 •OLSE的代数性质 •拟合优度
• 样本回归线只是样本条件均值的轨迹，还不是总体回归线，它至多只是未知的总体回归线的近似表现
样本回归函数与总体回归函数的关系
y
PRF
• SRF1
• • *• * SRF2
• *•
• **
••
• •*
x
样本回归函数的函数形式应与设定的总体回归函数的函数形式一致
对样本回归的理解
对比：
总体回归函数样本回归函数
ˆ0yˆ1x
•由此估计出的 ˆ 0
（OLSE）
和ˆ1
称为参数的最小二乘估计量
•除了OLS以外，参数估计的方法还有最大似然估计
（ML）方法、矩估计方法（MM）等
基于条件期望为0的普通最小二乘法的推导
• 由E(u)=0 得E(y – 0 – 1x) = 0

庞浩计量经济学第二章简单线性回归模型

最小二乘法的应用
在统计学和计量经济学中，最小二乘法广泛应用于估计线性回归模型，以探索解释变量与被解释变量之间的关系。
通过最小二乘法，可以估计出解释变量的系数，从而了解各解释变量对被解释变量的影响程度。
最小二乘法还可以用于时间序列分析、预测和数据拟合等场景。
最小二乘法的局限性
最小二乘法假设误差项是独立同分布的，且服从正态分布，这在实际应用中可能不成立。
最小二乘法无法处理多重共线性问题，当解释变量之间存在高度相关关系时，最小二乘法的估计结果可能不准确。
最小二乘法对异常值比较敏感，异常值的存在可能导致参数估计的不稳定。
04
模型的评估与选择
R-squared
总结词
衡量模型拟合优度的指标
详细描述
R-squared，也称为确定系数，用于衡量模型对数据的拟合程度。它的值在0到1之间，越接近1表示模型拟合越好。R-squared的计算公式为(SSreg/SStot)=(y-ybar)2 / (y-ybar)2 + (y-ybar)2，其中SSreg是回归平方和， SStot是总平方和，y是因变量，ybar是因变量的均值。
数据来源
本案例的数据来源于某大型电商平台的销售数据，包括商品的销售量、价格、评价等。
数据处理
对原始数据进行清洗和预处理，包括处理缺失值、异常值和重复值，对分类变量进行编码，对连续变量进行必要的缩放和转换。
模型建立与评估
模型建立
基于处理后的数据，使用简单线性回归模型进行建模，以商品销售量作为因变量，价格和评价作为自变量。
线性回归模型是一种数学模型，用于描述因变量与一个或多个自变量之间的线性关系。它通常表示为：Y = β0 + β1X1 + β2X2 + ... + ε

庞皓计量经济学第二章简单线性回归模型学习辅导

第二章简单线性回归模型学习辅导一、本章的基本内容（一）基本内容图2.1 第二章的基本内容（二）本章的教学目标在计量经济模型中，只有两个变量且为线性的回归模型是最简单的，称为简单线性回归模型。

简单线性回归模型形式简单，估计和检验的结果表述较为容易，其原理可以直接用代数式和平面坐标图形去直观表述，更容易使初学者理解和接受。

而且先讨论简单线性回归模型，使其对计量经济学的理论和思想有较深刻的认识，然后可以很容易拓展到更一般的多元的情况。

所以，本章从简单线性回归模型入手,讨论计量经济学最基本的理论与方法，为以后各章对计量经济学理论与方法的拓展和深化打下基础。

本章的教学目标是：深刻理解计量经济分析的基本思想；明确估计计量经济模型的基本假定；掌握估计和检验计量经济模型的基本思想和方法；能够运用简单线性回归模型作经济结构分析和经济预测等方面的应用；并要求初步掌握EViews最基本的操作方法。

二、重点与难点分析1. 从条件期望的角度深刻认识回归函数的实质总体回归函数（PRF）是将总体被解释变量Y的条件期望表现为解释变量X的某种函数。

总体回归函数所体现的实际是经济现象或经济变量之间的客观规律性。

由于受种种偶然因素的影响, 经济变量之间的数量规律在经济现象的个别观测值中难以直接观测,只有从变量条件期望的角度才能揭示经济现象数量关系的规律性。

作为经济总体运行的客观规律，总体回归函数是客观存在的，但是在实际的经济研究中总体回归函数通常又是未知的，只能根据经济理论和研究者的实践经验去设定。

在计量经济学研究中,“计量”的根本目的是去揭示客观存在的经济数量规律,也就是要努力寻求总体回归函数。

我们所设定的计量经济模型实际就是在设定总体回归函数的具体形式。

样本回归函数（SRF）是将被解释变量Y的样本条件均值表示为解释变量X的某种函数。

样本回归线会随着抽样波动而变化，每次抽样都能获得一个样本，也就可以拟合出一条样本回归线，所以样本回归函数是不唯一的。

计量经济学第二章简单线性回归模型案例分析 PPT

t(ˆ 2 ) 1 1 .9 8 2 6 t0 .0 2 5 (2 9 ) 2 .0 4 5应拒绝 H0 :2 0
3. 用P值检验 α=0.05 >> p=0.0000
表明，城镇居民人均总收入对城镇居民每百户计算机拥有量确有显著影响。
4. 经济意义检验：
所估计的参数
,说明城镇
居民家庭人均总收入每增加1元，平均说来城变量选择：被解释变量选择能代表城乡所有居民消费的 “城镇居民家庭平均每百户计算机拥有量”(单位:台) ；解释变量选择表现城镇居民收入水平的“城镇居民平均每人全年家庭总收入”（单位:元）研究范围：全国各省市2011年底的城镇居民家庭平均每百户计算机拥有量和城镇居民平均每人全年家庭总收入数据。
3、总体回归函数（PRF）是将总体被解释变量Y的条件均值表现为解释变量X的某种函数。样本回归函数（SRF）是将被解释变量Y的样本条件均值表示为解释变量X的某种函数。总体回归函数与样本回归函数的区别与联系。
4、随机扰动项是被解释变量实际值与条件均值的偏差，代表排除在模型以外的所有因素对Y的影响。
Yt 12Xt ut
估计参数
假定模型中随机扰动满足基本假定，可用OLS法。具体操作：使用EViews 软件，估计结果是：
用规范的形式将参数估计和检验的结果写为： Y ˆt11.95800.002873X t
（5.6228） (0.00024) t= (2.1267) (11.9826) R2 0.8320 F=143.5836 n=31
即是说：当地区城镇居民人均总收入达到25000元时，城镇居民每百户计算机拥有量平均值置信度95%的预测区间为（80.6219，86.9473）台。
12
个别值区间预测:

计量经济学庞浩第二章简单线性回归模型课件

__ __
X 和Y 分别是变量 X 和Y 样本值的平均值
注意: r X Y 是随抽样而变动的随机变量。
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数量规律
性还有局限性。
计量经济学庞浩第二章简单线性回归模型
8
对相关系数的正确理解和使用
● X和Y 都是相互对称的随机变量， rXY rYX
者之差用
则 ei
表e示i ， Y i Yˆ i
称或为e i剩余项或Y残i 差项ˆ1： ˆ2 Xi ei
，Yˆi 二
计量经济学庞浩第二章简单线性回归模型
22
样本回归函数的特点
●样本回归线随抽样波动而变化:
每次抽样都能获得一个样本，就可以拟合一条样本回
PRF
• •
ui
•
●个别值表现形式（随机设定形式）
Xi
X
对于一定的 X i ，Y的各个别值 Y i 并不一定等于条件期望，而
是分布在 E(Y X i ) 的周围，若令各个 Y i 与条件期望 E(Y X i ) 的
偏差为 u i ，显然 u i是个随机变量
则有
u i Y i E (Y iX i) Y i12X i
（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?
计量经济学庞浩第二章简单线性回归模型
12
二、总体回归函数（PRF）
举例: 假如已知由100个家庭构成的总体的数据 (单位:元)

《计量经济学》ppt课件(2024)

02
最小二乘估计量的性质
包括线性、无偏性、有效性等，这些性质保证了估计量的优良特性。
03
最小二乘法的计算
通过求解正规方程组或使用专门的软件，可以得到参数的估计值。
2024/1/29
9
经典线性回归模型假设条件及检验
1 2
经典线性回归模型的假设条件
包括线性关系、误差项独立同分布、无多重共线性等，这些假设是模型有效的基础。
发展历程
从20世纪初的萌芽阶段，到20世纪中叶的快速发展，再到21世纪的广泛应用和不断创新。
4
计量经济学研Βιβλιοθήκη 对象与任务研究对象主要研究经济现象的数量关系，包括经济变量之间的关系、经济系统的运行规律等。
任务
揭示经济现象背后的数量规律，为经济政策制定和评估提供科学依据，推动经济学的理论创新和实践应用。
应用
非参数估计方法广泛应用于各种实际问题中，如金融市场的波动率估计、生物医学中的生存分析、环境科学中的气候变化预测等。其优点在于灵活性高，能够适应各种复杂的数据分布，但同时也存在计算量大、对样本量要求较高等问题。
2024/1/29
20
半参数估计方法原理及应用
原理
半参数估计方法结合了参数和非参数估计方法的优点，既对总体分布做出一定的假设，又利用样本数据进行推断。其核心思想是通过引入一些辅助信息或约束条件，降低模型的复杂度，提高估计的精度和稳定性。
25
面板数据模型参数估计与检验
2024/1/29
参数估计方法
最小二乘法（OLS）、广义最小二乘法（GLS）、极大似然估计（MLE）等。
参数检验
t检验、F检验、LM检验等，用于检验参数的显著性。

计量经济学第2章-一元线性回归模型PPT课件

E（Y
/
X1i，X
，
2i
，X ki）
（f X1i，X
，
2i
，X
）
ki
（2-5）
表示对于解释变量 X1、X 2、
、X k的每一组取值
X1i、X
、
2i
、X ki
，都有被解释变量Y的条件期望
E（Y
/
X
1i，X
，
2i
，X
）
ki
与之对应，E（Y
/
X
1i，X
，
2i
，X ki）是
X1、X 2 、
、X k 的函数。
经济变量之间的关系
确定的函数关系不确定的相关关系
第4页/共111页
函数关系
指某一经济变量可直接表示为其他经济变量的确定的函数，函数表达式中没有未知参数，不存在参数估计的问题。
例如:
1) 某一商品的销售收入Y与单价P、销售数量Q之间的关系Y = PQ 2) 某一农作物的产量Q与单位面积产量q 、种植面积S之间的关系Q = q S
第8页/共111页
相关关系的分类
c)按照相关的性质
正相关
指不同经济变量的变化趋势一致，即一个经济变量的取值由小变大时，另一经济变量的取值也由小变大；
负相关
指不同经济变量的变化趋势相反，即一个经济变量的取值由小变大时，另一经济变量的取值由大变小。
第9页/共111页
相关关系的分类
c)按照相关的性质
Va（r X）、Va（r Y）分别是变量X、Y的方差。
第13页/共111页
如果给定变量X、Y 的一组样本 Xi，Yi ，i 1，2，n，，
则总体相关系数的估计——样本相关系数为

计量经济学第2章PPT课件

9
第9页/共29页
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。
记
i Yi E(Y | X i )
称i为观察值Yi围绕它的期望值E(Y|Xi)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）。
了其他影响Yi 的随机因素的集合，可看成是i 的估计量ˆ i 。
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）。
15
第15页/共29页
▼回归分析的主要目的：根据样本回归函数SRF，估
计总体回归函数PRF。
即，根据
Yi Yˆi ei ˆ0 ˆ1 X i ei
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
2、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（Explanator y Variable）或