1、单方程计量经济学模型理论与方法Theory and Methodology of Single-Equation Econometric Model 第二章 经典单方程计量经济学模型：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 一元线性回归模型检验 一元线性回归模型预测 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、总体回归函数三、随机扰动项四、样本回归函数（ SRF）2.1 回归分析概述（ 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、变量间的关系及回归分析的
2、基本概念1、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 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：例如 ：函数关系：统计依赖关系 /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 /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
3、是随机变量，后者不是。 注意：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） 。2、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： （ 1）根据
4、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。由于变量间关系的随机性， 回归分析 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。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。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
5、收入组的家庭消费支出。（ 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 （ 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）：E(Y|X=Xi)该例中： E(Y | X=800)=561分析：描出散点图发现：随着收入的增加，
6、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 。0500100015002000250030003500500 1000 1500 2000 2500 3000 3500 4000每月可支配收入 X（ 元）每月消费支出Y（元） 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 （ population regression line）， 或更一般地称为 总体回归曲线 （ population regression curve）。称为（双变量） 总体回归函数 （ population regression functi
7、on, 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： 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 : 为 一 线性函数。 其中， 0， 1是未知参数，称为回归系数 （ regression coefficients）。 。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 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
8、机变量，又称为随机干扰项 （ stochastic disturbance） 或 随机误差项 （ 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 （方程） 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 。（ 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（ systematic） 或 确定性 （ deterministic)部分 。（ 2）其他 随机 或 非确定性 （ nonsystematic)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 :
9、(*)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 。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：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（ 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？问：能否从该样本估计总体回归函数 PRF？回答：能例 2.2： 在例 2.1的总体中有如下一个样本，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
10、。核样本的 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 （ sample regression lines）。记样本回归线的函数形式为：称为 样本回归函数 （ sample regression function， SRF）。 这里 将 样本回归线 看成 总体回归线 的近似替代则注意：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） 。 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： 这里 PRF可能永远无法知道。即，根据 估计
