计量经济学：2.1方程计量经济学模型.ppt

1、单方程计量经济学模型单方程计量经济学模型 理论与方法理论与方法 Theory and Methodology of Single- Equation Econometric Model 第二章第二章 经典单方程计量经济学模型：经典单方程计量经济学模型： 一元线性回归模型一元线性回归模型 回归分析概述回归分析概述 一元线性回归模型的参数估计一元线性回归模型的参数估计 一元线性回归模型检验一元线性回归模型检验 一元线性回归模型预测一元线性回归模型预测 实例实例 2.1 2.1 回归分析概述回归分析概述 一、变量间的关系及回归分析的基本概念一、变量间的关系及回归分析的基本概念 二、总体回归函数二、总

2、体回归函数 三、随机扰动项三、随机扰动项 四、样本回归函数（四、样本回归函数（SRFSRF） 2.1 2.1 回归分析概述回归分析概述 （1）确定性关系确定性关系或函数关系函数关系：研究的是 确定现象非随机变量间的关系。 （2）统计依赖）统计依赖或相关关系：相关关系：研究的是非确 定现象随机变量间的关系。 一、变量间的关系及回归分析的基本概念一、变量间的关系及回归分析的基本概念 1 1、变量间的关系、变量间的关系 经济变量之间的关系，大体可分为两类： 对变量间对变量间统计依赖关系统计依赖关系的考察主要是通过的考察主要是通过相关分析相关分析(correlation analysis)或或回归分析

3、回归分析(regression analysis)来完成的：来完成的： 2 ,半径半径圆面积f 施肥量阳光降雨量气温农作物产量,f 正相关 线性相关 不相关 相关系数： 统计依赖关系 负相关 11 XY 有因果关系 回回归归分分析析 正相关 无因果关系 相相关关分分析析 非线性相关 不相关 负相关 例如例如： 函数关系：函数关系： 统计依赖关系统计依赖关系/统计相关关系：统计相关关系： 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； 回归分析回归分析/相关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。 相关分析相关分析对称地对

4、待任何（两个）变量，两个 变量都被看作是随机的。回归分析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。 注意：注意： 回归分析回归分析(regression analysis)是研究一个变量关于另一个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（些）变量的具体依赖关系的计算方法和理论。 其用意其用意：在于通过后者的已知或设定值，去估计和（或）预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）均值测前者的（总体）均值。 这里：前一个变量被称为被解释变量被解释变量（Explained Vari

5、able） 或应变量应变量（Dependent Variable），），后一个（些）变量被称为解解 释变量释变量（Explanatory Variable）或自变量自变量（Independent Variable）。 2 2、回归分析的基本概念、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，其主要内容包括：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，求得回回 归方程；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。 由于变量间关系的随机性，回归分析回归分析关心的是根关心的是根 据

6、解释变量的已知或给定值，考察被解释变量的总体据解释变量的已知或给定值，考察被解释变量的总体 均值均值，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。 例例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家庭消费支出Y与每月家庭可支配收家庭可支配收 入入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。 二、总体回归函数二、总体回归函数 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。 表表 2.1.1 某某社社区区家家庭庭每每月月收收入入与与消消费费支支出出

7、统统计计表表 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 935 1012 1210 1408 1650 1848 2101 2354 286

8、0 968 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 1430 1650 1870 2112 1485 1716 1947 2200 每 月 家 庭 消 费 支 出 Y （元） 2002 共计 2420 4950 11495 16445 19

9、305 23870 25025 21450 21285 15510 （1）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； （2）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的条件条件 均值均值（conditional mean）或条件期望条件期望（conditional expectation）： E(Y|X=Xi) 该例中：E(Y | X=800)=561

10、 分析：分析： 描出散点图发现：随着收入的增加，消费 “平均地说平均地说”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总体回归线。 0 500 1000 1500 2000 2500 3000 3500 5001000150020002500300035004000 每月可支配收入X（元） 每 月 消 费 支 出 Y （元） 概念：概念： 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总体回归线（population regression line）， 或更一般地称为总体回归曲线总体回归曲线（population regression curve

11、）。 )()|( ii XfXYE 称为（双变量）总体回归函数总体回归函数（population regression function, PRF）。 相应的函数： 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。 含义：含义： 函数形式：函数形式： 可以是线性或非线性的。 例2.1中，将居民消费支出看成是其可支配收 入的线性函数时: ii XXYE 10 )|( 为一线性函数。线性函数。其中，0，1是未知参数，称为 回归系数回归系数（regression coefficients）。 。 三、随机扰动项三、随机扰动项 总体回归函数说明在给定的收入水平Xi

12、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。 )|( iii XYEY 称i为观察值Yi围绕它的期望值E(Y|Xi)的离差离差 （deviation），是一个不可观测的随机变量，又称 为随机干扰项随机干扰项（stochastic disturbance）或随机误随机误 差项差项（stochastic error）。 记 例2.1中，个别家庭的消费支出为： （*）式称为总体回归函数总体回归函数（方程）（方程）PRFPRF的随机设的随机设 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

13、素的随机性影响响外，还受其他因素的随机性影响。 （1）该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为 系统性（系统性（systematic）或确定性确定性（deterministic) )部分部分。 （2）其他随机随机或非确定性非确定性（nonsystematic)部分部分 i。 即，给定收入水平Xi ,个别家庭的支出可表示为两部分之和: (*) 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总体回归模型。 随机误差项主要包括下列因素的影响：随机误差项主要包括下列因素的影响： 1）在解释变量中被忽略的因素的影响； 2）变量观测值的观测误差的影响； 3）模型关系的设

14、定误差的影响； 4）其它随机因素的影响。 产生并设计随机误差项的主要原因：产生并设计随机误差项的主要原因： 1）理论的含糊性； 2）数据的欠缺； 3）节省原则。 四、样本回归函数（四、样本回归函数（SRF） 问题：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？ 问：能否从该样本估计总体回归函数PRF？ 回答：能 例例2.2：在例2.1的总体中有如下一个样本， 表表 2.1.3 家家庭庭消消费费支支出出与与可可支支配配收收入入的的一一个个随随机机样样本本 Y 800 1100 1400 1700 2000 2300 2600 2900 3200 3500

15、 X 594 638 1122 1155 1408 1595 1969 2078 2585 2530 总体的信息往往无法掌握，现实的情况只能是在 一次观测中得到总体的一个样本。 核样本的散点图散点图（scatter diagram)： 样本散点图近似于一条直线，画一条直线以尽好地拟合该 散点图，由于样本取自总体，可以该线近似地代表总体回归线。 该线称为样本回归线样本回归线（sample regression lines）。）。 记样本回归线的函数形式为： iii XXfY 10 )( 称为样本回归函数样本回归函数（sample regression function，SRF）。 这里将样本回归

16、线样本回归线看成总体回归线总体回归线的近似替代 则 注意：注意： 样本回归函数的随机形式样本回归函数的随机形式/样本回归模型样本回归模型： 同样地，样本回归函数也有如下的随机形式： iiiii eXYY 10 式中， i e 称为（样样本本）残残差差（或剩剩余余）项项（residual） ，代表 了其他影响 i Y的随机因素的集合，可看成是 i 的估计量 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样本回归模型（sample regression model）。 回归分析的主要目的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。 注意：注意：这里PRF可能永 远无法知道。 即，根据 iiiii eXeYY 10 估计 iiiii XXYEY 10 )|(