《回归分析的性质》PPT课件

《《回归分析的性质》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第一章回归分析的性质经济学中的例子：个人消费支出对税后或可支配实际个人收入的依赖关系微观经济学市场结构理论中讲到的垄断厂商是自己产品的价格（或产出）的制定者，他肯定想知道产品需求Q对价格P的实际反应。通过估计产品需求的价格弹性有助于厂商确定最有利可图的价格。问：如何估计需求（价格）弹性？回归的现代解释回归分析是研究一个因变量对另一个或几个解释变量的依赖关系，并通过后者的已知或设定值去估计或预测前者的总体均值（populationmean或averagevalue）劳工经济学家要研究货币工资变化率对失业率

2、的关系这样的散点图使劳工经济学家能够预测在给定某个失业率下的货币工资的平均变化公司的销售部主任一定想知道，公司产品的市场需求与广告费用之间的关系。可以求出相对于广告支出的需求弹性，这有助于制定“最优”的广告费用预算。农业经济学家要研究作物的产量对气温、降雨量、阳光量（日照长度或强度）和施肥量的依赖关系。有助于分析影响产量的因素的贡献和预测收成自然科学研究与社会科学研究的差异性统计关系与确定性关系计量经济学处理的不是一种函数关系或确定性依赖关系，而是一种统计依赖关系（statisticaldependen

3、ce,notfunctionalordeterministicrelationship）。处理的是随机变量（random或stochasticvariables）——有着概率分布的变量。例如：作物收成与气温、降雨、光照及施肥的依赖关系就是一种统计性质的关系。它和确定性的函数关系不同。确定性的函数关系，如牛顿的万有引力定律：Gravitymodel回归与因果关系虽然回归分析研究一个变量对另一个（一些）变量的依赖关系，但它并不一定意味着因果关系。Kendall和Stuart认为：“一个统计关系式，不管多么强

4、也不管多么富有启发性，却永远不能确定因果方面的联系：对因果关系的理念，必须来自统计学以外，最终来自这种或那种理论。”从逻辑上说，统计关系式本身不可能意味着任何因果关系。要谈因果律，必须诉诸先验的或理论上的思考。回归与相关相关分析（correlationanalysis）是以测度两个变量之间的线性关联强度为主要目的的分析方法相关系数（correlationcoefficient）就是测度这种线性关联强度的指标：回归分析的主要目的是根据解释变量的设定值来估计或预测某一变量的平均值。回归分析中，对因变量和解释

5、变量的处理方法是不对称的：因变量是统计的，随机的，有一个概率分布；而解释变量被当着（在重复抽样中）取固定值，非随机的。在相关分析中对两个变量的处理方法是对称的：不区别因变量和解释变量。两个变量都是随机的。术语与符号Endogenous（内生的）与Exogenous（外生的）数据的性质时间序列数据：对某一个变量在不同时间取值的一组观测结果。如：每日数据（如股票价格）每周数据（美联储提供的Ms）每月数据（失业率、消费者价格指数）每季数据（如GNP）每年数据（统计年鉴）每5年的数据（如美国的制造业普查资料）每

6、10年的数据（如人口普查资料）时间序列数据涉及到平稳性（stationarity）问题：均值和方差有没有随时间的系统的变化，如果没有才是平稳的（stationary）横截面数据：对一个或多个变量在同一时间点上收集的数据：如1990年美国50个州的蚕产量和蚕价格。如2001年中国分省（市）的GDP、消费支出等。横截面数据可能存在异方差性（heterogeneity）问题。以后要讲如何处理。再比如：电视收视率的调查：针对选定的家庭的跟踪调查混合数据：兼有时间序列和横截面数据见表1.1。混合数据的一种特殊类型

7、是定点时序（panel）或经纬交织（longitudinal）数据，又称微点时序（micropanel）数据，指对相同的横截面单元（比如家庭或厂家）在时间轴上进行跟踪调查的数据。如美国商业部定期举行的一种住房询查，每次都对相同的住户进行采访，对住户行为（住房、财务）的动态特性提供了非常有用的信息。作业：翻阅统计年鉴(也可以在网上看)第一章结束，谢谢！