第一讲回归分析概述.ppt

计量经济学 Econometrics,任课老师：沙浩伟,2015-2016-1,教师个人信息,电子邮箱：shw-mengfly163.com 办 公 室：百会堂606 联系方式：13908238714,成绩构成,平时作业10%,期末考试50,发言与讲解10%,课堂纪律10%,期末总成绩 最高100分,课堂与上机 测试20%,课程简介,总学时：54学时 课堂讲授：36学时 课堂测试与习题讲解：6学时 上机和实验：12学时 应具备的知识： 经济学理论 概率论与数理统计 线性代数,课程简介,课程特点 阐明理论思想为主，不强调理论的证明与推导 以问题为导向，采用案例教学方式 培养应用计量经济方法解决实际问题的能力 学生为主体，教师为主导,课程简介,教材： 李子奈 等计量经济学（第三版），高等教育出版社，2010 参考书： 古扎拉蒂，波特,计量经济学基础（第五版），中国人民大学出版社，2011 伍德里奇，计量经济学导论（第四版），中国人民大学出版社，2010 格林，计量经济分析（第六版），中国人民大学出版社，2011 肯尼迪，计量经济学指南（第五版），中国人民大学出版社，2010,课程简介,推荐使用软件：EViews 8.0 高铁梅主编， 计量经济分析方法与建模：EViews应用及实例（第二版），清华大学出版社，2009 易丹辉，数据分析与Eviews应用，中国统计出版社，2002 张晓峒主编，计量经济学软件Eviews使用指南，南开大学出版社，2004,什么是计量经济学？,计量经济学 经济学：经济学分支 计 量：以统计方法做定量研究 定 义：用定量的方法研究经济活动规律及其应用的学科,经济学,数 学,统 计 学,经济 统计学,计量 经济学,数理 统计学,数理 经济学,为什么学习计量经济学？,经济金融理论,经济金融现象,计量经济学,为什么学习计量经济学？,计量经济学的用途之一：描述经济现实 将经济关系中的抽样符号定量化，如需求函数、消费倾向 计量经济学的用途之二：检验经济理论假设 采用现实证据来检验理论模型，如资本资产定价模型是否成立、有效市场假说 计量经济学的用途之三：预测未来经济活动 基于已发生的事件去预测未来，如GDP、CPI、通货膨胀率,计量经济学的发展历史,计量经济学的诞生 1926年，挪威经济学家弗里希(Frisch)模仿Biometrics (生物计量学)提出Econometrics (计量经济学) 1930年，世界计量经济学会成立 1933年，Econometrica创刊,计量经济学的发展历史,计量经济学是产生诺贝尔经济学奖获得者最多的经济学分支 从1969年诺贝尔经济学奖设立至2012年，71位获奖者中有12位是直接因为对计量经济学的创立和发展作出贡献而获奖 近20位担任过世界计量经济学会会长，30余位在获奖成果中应用了计量经济学方法,计量经济学的发展历史,获诺贝尔经济学奖的计量经济学家： 1969年：Ragnar Frisch; Jan Tinbergen 1973年：Wassily Leontief 1980年：Lawrence Robert Klein 1984年：Richard Stone 1989年：Trygve Haavelmo 2000年：Daniel McFaddan; James Heckman 2003年：Clive Granger; Robert Engle 2011年：Thomas J. Sargent; Christopher A. Sims,经济学诺奖得主罗伯特·恩格尔做客成电讲坛 2011年9月24日 图书馆二楼报告厅,计量经济学的研究内容,研究内容 从计量经济学的研究实例出发：肯德基餐厅选址问题 餐厅选址问题转化为,肯德基餐厅销售量分析,实例：肯德基餐厅选址,第一步：查阅文献，建立理论模型 阅读餐饮业文献，与专家交流，发现影响餐厅选址(销售量)的关键因素 如：地段(商圈和位置)、竞争对手、人口密度、收入水平等 销售量=f(竞争对手、人口密度、收入水平),实例：肯德基餐厅选址,第二步：设定模型：选择解释变量及函数形式 解释变量及其测度： 竞争N：方圆2公里内的直接竞争对手数量 人口P：方圆2公里内居住人口数 收入I：居住人口的平均收入水平 函数形式：线性 模型形式：理论模型数学模型计量经济学模型,实例：肯德基餐厅选址,第三步：假设参数的预期符号 竞争N 人口P 收入I,实例：肯德基餐厅选址,第四步：搜集、检查并整理数据 搜集数据：如何搜集？搜集哪里的数据？ 检查数据：数据是否合理？ 整理数据,实例：肯德基餐厅选址,第五步：模型的估计、检验与评价 模型估计：一系列计量经济方法，如OLS 模型检验：经济意义检验、统计检验、计量经济检验 模型评价：模型是否需要改进 不同地区（城市）中肯德基的销售量相同吗？ 不同年度中肯德基的销售量相同吗？,实例：肯德基餐厅选址,第六步：报告结果及模型应用 报告结果：说明模型、假设条件、分析过程及数据 模型应用：为肯德基餐厅选址提供参考,计量经济学的研究路线,建立理论模型 确定计量经济学模型 搜集、检查并整理数据 估计计量经济学模型 评价计量经济学模型 应用计量经济学模型,计量经济学的研究路线,计量经济分析所用的数据 数据的类型：横截面数据、时间序列数据、面板数据 数据的来源：互联网(新浪、雅虎)、统计年鉴、专业数据库(国泰安数据库、锐思数据库)、自己收集(问卷调查) 数据的准确性：数据准确吗？不准确又怎么办？,其它若干问题,研究大学毕业生的起薪水平 建立理论模型：哪些因素影响起薪水平？ 在校期间表现、应聘表现、就业行业、就业年度、学校、专业、学历、性别 确定计量经济学模型：选取哪些变量？ 搜集、检查并整理数据：数据来源是什么？ 估计计量经济学模型：采用何种方法？ 评价计量经济学模型：估计结果是否合理、可信？ 应用计量经济学模型：预测个人的起薪水平,其它若干问题,研究大学毕业生的起薪水平 大学毕业生的起薪水平是多少？ 影响大学毕业生起薪的因素有哪些？ 起薪与各种因素关系的性质是什么（增、减）？ 各种因素对起薪影响的具体数量规律是什么？ 所作数量分析结果的可靠性如何？ 今后起薪的变化趋势怎样？,其它若干问题,研究中国的GDP增长 经济理论GDP增长的速度是多少（例如7.4%）？ 影响GDP增长的因素有哪些（投资、消费、出口等）？ GDP与各种因素关系的性质是什么（增、减）？ 各种因素对GDP影响的具体数量规律是什么？ 所作数量分析结果的可靠性如何？ 今后GDP的发展趋势怎样？,其它若干问题,研究中国股票价格的波动 股票价格变动的情况怎样（股价指数）？ 影响股票价格变动的因素是什么（资金、政策、利率等）？ 股价与各种因素的关系是什么（利空、利多）？ 各种因素影响的具体数量规律是什么？ 所得结果可不可靠？ 今后的发展趋势怎样？,问题的共性：,提出所研究的经济问题：对研究的经济现象进行实际统计观测 分析影响因素：根据经济理论、实际经验 分析各种因素与所研究经济现象的相互关系：根据先验经济理论和实际经验 确定所研究的经济问题与各种影响因素的数量关系：需要科学的数量分析方法 分析和检验所得数量结论的可靠性：需要运用统计方法 测算所研究经济问题的发展趋势：预测未来,计量经济学的任务,课程内容,第一讲 回归分析概述 第二讲 普通最小二乘法 第三讲 假设检验 第四讲 模型设定 第五讲 多重共线性 第六讲 序列相关 第七讲 异方差,课程内容,第八讲 虚拟变量 第九讲 虚拟应变量 第十讲 时间序列模型 第十一讲 预测,EViews：画散点图和做相关分析,假设你在迪士尼乐园为游客猜体重，你认为游客体重与其身高有关，并收集了20位游客的身高(英寸，高于5英尺的部分)与体重(磅)数据 (Table 1-2) 。 以游客体重(y)为纵轴、以游客身高(x)为横轴画散点图 分析这两个变量之间的相关关系,EViews 演示,第一步：读入数据,第二步：生成数据组,第三步：画散点图,散点图：,相关分析：,作业,阅读上机手册，熟悉EViews的基本操作 读入数据文件Table 1-2，利用Eviews画散点图和进行相关分析。下次上课前，请同学现场演示，并计入课堂发言成绩,第一讲 回归分析概述,任课老师：沙浩伟,2015-2016-1,主要内容,回归分析的基本概念 回归方程的设定 回归方程的估计,姚明身高2米26，叶莉身高1米90，他们的宝宝因此被看做是中国体坛第一宝宝，关于其未来身高的预测一直被球迷津津乐道。 根据医学专家给出的遗传身高公式： 女儿成年身高=（父亲身高+母亲身高-13cm）/2 (数值上下波动7cm） 如此算来，“姚沁蕾”的身高在1.945米至2.085米之间。,回归分析的历史渊源,“回归”(regression)一词最早由英国生物学家 Francis Galton提出(1886年Family Likeness in Stature),回归分析的现代含义,回归（Regression）是计量经济学的主要工具 回归的现代含义： 回归分析是关于研究一个叫做因变量的变量（Y）对另一个或多个叫做自变量的变量（X）的依赖关系; 其用意在于通过自变量在重复抽样中的已知或设定值，去估计或预测因变量的总体均值。,例子：姚明身高2.26米，叶莉身高1.90米，他们的女儿会有多高呢？,散点图,2.01米,可信吗？,因此，一旦知道了父辈的身高，就可以按照上述关系式（回归线）来预测儿辈的平均身高（而不是具体身高）。,1.82米,统计关系与确定性关系,确定关系：确定变量之间的函数关系 统计关系：随机变量之间的依赖关系,计量经济学关注的是统计关系！,回归与因果关系,虽然回归分析研究一个变量对另一变量的依赖关系，但它并不一定意味着因果关系 一个统计关系式，不管结论如何强或多么有启发性，本身都不足以确立因果关系，确立因果关系必须来自于统计学之外的理论根据 检验两个随机变量之间是否存在因果关系需要特别的方法。,回归与相关,回归与相关的基本不同点在于，回归分析将因变量当作统计的、随机的，而自变量则被看作是固定的或非随机的；而相关分析将两个变量都看作是随机的，具有对称性。 事实上，将自变量看作是随机变量不会影响大部分计量经济学理论的结果（特别是大样本情况下）。,在进行回归分析之前，先做相关分析,术语与符号,Y: 因变量、被解释变量、预测子、回归子、响应变量、内生变量、结果变量、被控制变量 X：解释变量、自变量、预测元、回归元、刺激变量、外生变量、协变量、控制变量,回归方程的设定,例：某社区有60户家庭，现研究各家庭每月消费支出Y与每月可支配收入X的关系，即根据月收入预测平均月消费支出,平均来讲，周消费支出随收入的上升而增加。,从散点图发现：随着收入的增加，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。,Y,X,回归方程的设定,回归方程的设定,总体回归函数 被称为条件期望函数或总体回归函数（PRF），它刻画了Y的均值是怎样随X而变化的。,若PRF的函数形式为线性，则,为未知的但固定的参数，称为回归系数， 分别为截距和斜率系数。,回归方程的设定,线性的含义： 线性回归是指对估计参数为线性的一种回归（即估计参数只以一次方出现），对自变量X则可以是或不是线性的。 判断下列方程的是否为线性回归？,回归方程的设定,随机干扰项的引入： 总体回归函数说明在给定的收入水平X下，该社区家庭平均的消费支出水平。 但对某个家庭，其消费支出可能与该平均水平有偏差，记为,其中，i 是Yi与期望值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(stochastic error),回归方程的设定,随机干扰项的性质 说明对收入水平为 的个别家庭而言，其它变量对其消费支出的总体影响的期望值为0,回归方程的设定,随机干扰项的来源 遗漏或被排除的变量 数据的测量误差 错误的函数形式 纯粹的随机误差和无法预测的事件,回归方程的设定,一元回归方程 多元回归方程,回归方程的设定,一元回归模型在实践中往往不适宜 消费：除受收入影响外，还有财富、消费习惯 需求量：除受价格影响外，还有品牌、广告、替代品价格 一元回归模型的思想很容易推广到多元回归模型 最简单的多元回归模型是三变量模型,回归方程的设定,三变量模型 三变量模型，即含有一个因变量Y和两个解释变量X，其回归函数为： 截距项代表所有未包含到模型中来的变量对Y的平均影响，系数 被称为偏回归系数或偏斜率系数。,回归方程的估计,实际中，总体信息往往无法获得，我们需要根据总体的一组样本来估计回归方程的参数 (样本回归函数) 其中 分别是 的估计量， 表示样本残差项，即用样本信息不能解释总体的部分。,回归方程的估计,随机干扰项 残差,回归方程的估计,由于抽样误差，回归参数的估计值是真实值的近似结果 关键问题是：能否设计一种规则或方法，使得这种近似结果的误差尽可能小？,本讲小结,计量经济学的三个主要用途是什么？ 回归分析的现代含义是什么？ 线性的概念是什么？ 随机干扰项与残差项的区别和联系是什么？ 你能采用回归分析的方法预测姚明女儿的身高吗？,谢 谢 大 家！,