基本假设,最小二乘法的基本原理;主要的统计检验方法及应用。应用(对应用能力的要求):学习该部分,要求建立一个实际的一元线性回归模型,用计算器完成参数估计量的计算与检验,最后提交一篇报告。【教学重点与难点】本章重点是关于线性单方程积极性模型的基本假设,最小二乘法的基本原理;主要的统计检验方法及应用。难点是推导和证明与普通最小二乘法有关的参数估计过程和结论。【教学方法】课堂讲授、实证分析与学生自学相结合。§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经济变量之间的关系,大体可分为两类:确定性变量关系或函数关系:研究的是确定现象非随机变量间的关系。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。例2.1:圆面积=F(p,圆半径)=p*圆半径*圆半径,函数关系;农作物产量=F(气温、降雨量、阳光、施肥量),统计依赖(相关)关系。正相关线性相关不相关相关系数:有因果关系回归分析统计依赖(相关)关系负相关-1≤ρ≤1正相关无因果关系相关分析非线性相关不相关负相关注意:①不线性相关并不意味着不相关;②有相关关系并不意味着一定有因果关系;③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。④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;相关分析则对称地对待任何(两个)变量,两个变量都被看作是随机的。回归分析是研究一个变量关于另一个(些)变量的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。前一个变量被称为被解释变量(ExplainedVariable)或应变量(DependentVariable)后一个变量被称为解释变量(ExplanatoryVariable)或自变量(IndependentVariable)。
全文预览
