《簡單線性回歸模型》PPT課件

《《簡單線性回歸模型》PPT課件》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第二章簡單線性回歸模型定義模型的假設(shè)參數(shù)估計OLS的代數(shù)性質(zhì)擬合優(yōu)度測量單位和函數(shù)形式OLS的統(tǒng)計性質(zhì)其它說明目前主要關(guān)注橫截面數(shù)據(jù)的回歸分析截面數(shù)據(jù)是一個隨機樣本。每一個觀察是一個新的個人、企業(yè)或者其他的個體，這些個體在某個同一時點上的信息被記錄下來。如果樣本不是隨機的，那么就出現(xiàn)了樣本選擇性問題（sample-selectionproblem）obsnowageeducexperfemalemarried13.101121023.2412221133.001120046.008440155.3012701··········

2、··52511.56165015263.5014510所謂橫截面數(shù)據(jù)集，就是在給定時點對個人、家庭、企業(yè)、城市、州、國家或一系列其他單位采集的樣本所構(gòu)成的數(shù)據(jù)集。有時，所有單位的數(shù)據(jù)并非完全對應于同一時間段。例如，幾個家庭可能在一年中的不同星期被調(diào)查。在一個純粹的橫截面分析中，我們應該忽略數(shù)據(jù)搜集中細小的時間差別。如果一系列家庭都是在同一年度的不同星期被調(diào)查的，那我們?nèi)砸曋疄闄M截面數(shù)據(jù)集。橫截面數(shù)據(jù)的一個重要特征是，我們通常可以假定，它們是從樣本背后的總體中通過隨機抽樣(randomsampling)而得到的。例如，如果我們通過

3、隨機地從工人總體中抽取500人，并得到其有關(guān)工資、受教育程度、工作經(jīng)歷和其他特征方面的信息，那我們就得到所有工人構(gòu)成的總體的一個隨機樣本。隨機抽樣是初級統(tǒng)計學教程中所講授的抽樣方案，而且它使得對橫截面數(shù)據(jù)的分析大為簡化。有時，以隨機抽樣作為對橫截面數(shù)據(jù)的一個假定并不適當。例如，假設(shè)我們對研究影響家庭財富積累的因素感興趣，雖然我們可以調(diào)查家庭的一個隨機樣本，但有些家庭可能拒絕報告其財富。比方說，如果越是富裕的家庭就越不愿意暴露其財富，那么由此得到的財富樣本，就不是由所有家庭構(gòu)成的總體的一個隨機樣本。這是對樣本選擇問題的一個解釋。簡

4、單回歸模型的定義簡單回歸模型可以用來研究兩個變量之間的關(guān)系。出于某些原因，簡單回歸模型要作為經(jīng)驗性分析的一般工具，還存在著局限性。但是在某些情況下，把它當作經(jīng)驗工具來使用，還是非常適宜的。學會解釋簡單回歸模型，對于我們接下來要學習的多元回歸模型，無疑也是非常好的練習。應用計量經(jīng)濟學分析大多都是從如下假設(shè)前提開始的：y和x是代表某一個總體的兩個變量，我們感興趣的是用x來解釋y，或者說是研究y如何隨x而變化。一些例子：y是大豆的產(chǎn)出，x是化肥的用量；y是每小時的工資，x是受教育的年數(shù)；y是社區(qū)的犯罪率，x是警察的數(shù)量，等等。簡單回歸

5、模型的定義簡單回歸模型的定義在寫出用x解釋y的模型時，我們要面臨三個問題。首先，既然兩個變量之間沒有一個確切的關(guān)系，那么我們應該如何考慮其他影響y的因素呢？第二，y和x的函數(shù)關(guān)系是怎樣的呢？第三，我們怎樣知道是否抓住了在其他條件不變的情況下y和x之間的關(guān)系（如果這是我們所追求的目標的話）呢？簡單回歸模型的定義我們可以通過寫出關(guān)于y和x的一個方程來消除這些疑惑。一個簡單的方程是：y=b0+b1x+u…………(2.1)且假定方程(2.1)在我們所關(guān)注的某個總體中成立，它定義了一個簡單線性回歸模型(simplelinearregres

6、sionmodel)。因為它把兩個變量x和y聯(lián)系起來，所以又把它叫做兩變量或者雙變量線性回歸模型。我們現(xiàn)在來討論等式(2.1)中每個量的含義。在簡單線性回歸模型y=b0+b1x+u中，統(tǒng)稱y為：因變量（DependentVariable）或響應變量(responsevariable)或被解釋變量（ExplainedVariable）或被預測變量(predictedvariable)或回歸子(regressand)幾個術(shù)語幾個術(shù)語在y對x的簡單線性回歸中，通常稱x為：自變量（IndependentVariable）或解釋變量（Ex

7、planatoryVariable）或回歸量（元）（Regressor）或協(xié)變量（Covariate）或預測元(predictorvariable)控制變量（ControlVariables）說明：“自變”(independent)與統(tǒng)計學概念里面隨機變量之間的獨立(independency)有所不同。yx因變量自變量被解釋變量解釋變量響應變量控制變量被預測變量預測變量回歸子回歸元幾個術(shù)語幾個術(shù)語在簡單線性回歸模型y=b0+b1x+u中，我們稱u為誤差項或隨機擾動項。表示除x之外影響y的其他所有非觀測因素。一個簡單回歸分析能夠有

8、效地處理除x之外其他所有影響y的非觀測因素。也可以把u看作是“觀測不到的”因素。誤差項或隨機擾動項的來源：被忽略的因素測量誤差隨機誤差模型的設(shè)定誤差等式y(tǒng)=b0+b1x+u同樣表述了y和x之間的函數(shù)關(guān)系。如果u中的其他因素被看作是保持不變的，就意味著u的變化為零