计量经济学重点知识整理
计量经济学复习笔记要点
计量经济学 总复习第一部分：统计基础知识均值的概念：通常人们所说的均值就是“平均数”，统计意义上的均值是“期望值”。
方差：变量的每个样本与均值的距离大小的概念。
标准差：对方差开根号就是标准差。
数学期望值与方差的数学性质总体方差： 1.常量aE （a ）=a 2σ(a)=0抽样方差： 2.变量 y=a+bxE(y)=a+bE(x)总体标准偏差： 2σ(y)=b^2 * 2σ(x)抽样标准偏差：假设检验的定义：事先做一个假设，然后再用统计方法来检验这个假设是否有统计意义。
假设检验的步骤：第一步，设定假设条件。
原定假设，H0:u=u0，和替代假设，Ha:u ≠u0。
第二步，决定用哪种检验， 如果n ≥30,用Z 检验，如果n<30, 用t 检验。
第三步，找出临界值， 根据给定的定义域的大小，即α=1%、α=5%、或 α=10% 从概率分布表中查出Zc 值，或tc 值。
第四步，计算统计值， 或者第五步，比较统计值与临界值而得出结论。
如果统计值的绝对值大于临界值，那么我们就否定原定假设； 如果统计值的绝对值小于临界值，那么我们就不能否定原定假设。
第二部分 最小二乘法最小二乘法的假设条件：（1） （2） （3） （4） （5） 文字解释：Nu x Ni ∑-=22)(σ1)(22--=∑n x xs ni2σσ=2s s =nux Z σ0*-=n s u x t 0*-=)(=X E i ε∞<=22,)(σσεi Var 0),(=j i Cov εε0),(=i i X Cov ε1),(±≠j i X X Cov(1)每个误差必须是随机的，其误差的期望值是零；(2)误差都是雷同的，其方差相等，同时其方差的变化量必须是有限的； (3)每个误差之间必须是相互独立的； (4)误差项与方程式中的自变量是无关的； (5)自变量之间无直接的线性关系。
通用最小二乘法的步骤：第一步：求出误差项：第二步：求误差的平方和最小。
(完整)计量经济学考试重点整理
计量经济学考试重点整理第一章：P1：什么是计量经济学？由哪三组组成？定义：“用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能和计量经济学混为一谈。
计量经济学与经济统计学绝非一码事;它也不同于我们所说的一般经济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学的同义语。
经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，但本身并非是充分条件。
三者结合起来，就是力量，这种结合便构成了计量经济学。
”P9：理论模型的设计主要包含三部分工作,即选择变量，确定变量之间的数学关系，拟定模型中待估计参数的数值范围。
P12：常用的样本数据：时间序列，截面，虚变量数据P13：样本数据的质量(4点）完整性;准确性；可比性；一致性P15-16：模型的检验（4个检验)1、经济意义检验2、统计检验拟合优度检验总体显著性检验变量显著性检验3、计量经济学检验异方差性检验序列相关性检验共线性检验4、模型预测检验稳定性检验：扩大样本重新估计预测性能检验：对样本外一点进行实际预测P16计量经济学模型成功的三要素:理论、方法和数据。
P18-20:计量经济学模型的应用1、结构分析经济学中的结构分析是对经济现象中变量之间相互关系的研究.结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。
计量经济学模型的功能是揭示经济现象中变量之间的相互关系，即通过模型得到弹性、乘数等。
2、经济预测计量经济学模型作为一类经济数学模型，是从用于经济预测,特别是短期预测而发展起来的。
计量经济学模型是以模拟历史、从已经发生的经济活动中找出变化规律为主要技术手段。
对于非稳定发展的经济过程，对于缺乏规范行为理论的经济活动，计量经济学模型预测功能失效。
模型理论方法的发展以适应预测的需要。
3、政策评价政策评价是指从许多不同的政策中选择较好的政策予以实行，或者说不同的政策对经济目标所产生的影响的差异。
计量经济学复习知识点重点难点
计量经济学复习知识点重点难点计量经济学知识点第一章导论1、计量经济学的研究步骤：模型设定、估计参数、模型检验、模型应用。
2、计量经济学是统计学、经济学和数学的结合。
3、计量经济学作为经济学的一门独立学科被正式确立的标志：1930年12月国际计量经济学会的成立。
4、计量经济学是经济学的一个分支学科。
第二章简单线性回归模型1、在总体回归函数中引进随机扰动项的原因：①作为未知影响因素的代表；②作为无法取得数据的已知因素的代表；③作为众多细小影响因素的综合代表；④模型的设定误差；⑤变量的观测误差；⑥经济现象的内在随机性。
2、简单线性回归模型的基本假定：①零均值假定；②同方差假定；③随机扰动项和解释变量不相关假定；④无自相关假定；⑤正态性假定。
3、OLS回归线的性质：①样本回归线通过样本均值；②估计值的均值等于实际值的均值；③剩余项ei的均值为零；④被解释变量的估计值与剩余项不相关；⑤解释变量与剩余项不相关。
4、参数估计量的评价标准：无偏性、有效性、一致性。
5、OLS估计量的统计特征：线性特性、无偏性、有效性。
6、可决系数R2的特点：①可决系数是非负的统计量；②可决系数的取值范围为[0,1]；③可决系数是样本观测值的函数，可决系数是随抽样而变动的随机变量。
第三章多元线性回归模型1、多元线性回归模型的古典假定：①零均值假定；②同方差和无自相关假定；③随机扰动项和解释变量不相关假定；④无多重共线性假定；⑤正态性假定。
2、估计多元线性回归模型参数的方法：最小二乘估计、极大似然估计、矩估计、广义矩估计。
3、参数最小二乘估计的性质：线性性质、无偏性、有效性。
4、可决系数必定非负，但是根据公式计算的修正的可决系数可能为负值，这时规定为0。
5、可决系数只是对模型拟合优度的度量，可决系数越大，只是说明列入模型中的解释变量对被解释变量的联合影响程度越大，并非说明模型中各个解释变量对被解释变量的影响程度也大。
6、当R2=0时，F=0；当R2越大时，F值也越大；当R2=1时，F→∞。
计量经济学知识点总结
计量经济学知识点总结计量经济学是一门融合了经济学、统计学和数学的交叉学科，它通过建立经济模型，运用统计方法对经济数据进行分析，以揭示经济变量之间的关系和规律。
以下是对计量经济学中一些重要知识点的总结。
一、回归分析回归分析是计量经济学的核心方法之一。
简单线性回归模型表示为：＄Y ＝＼beta_0 ＋＼beta_1 X ＋＼epsilon$，其中$Y$是被解释变量，＄X$是解释变量，＄＼beta_0$是截距项，＄＼beta_1$是斜率系数，＄＼epsilon$是随机误差项。
在进行回归分析时，需要对模型进行估计。
常用的估计方法是最小二乘法（OLS），其基本思想是使残差平方和最小，从而确定参数的估计值。
通过估计得到的回归方程可以用于预测和解释变量之间的关系。
回归分析还需要进行一系列的检验，包括拟合优度检验（如判定系数$R^2$）、变量的显著性检验（＄t$检验）和方程的显著性检验（＄F$检验）等。
二、多重共线性多重共线性指的是解释变量之间存在较强的线性关系。
这可能导致参数估计值不稳定、方差增大、＄t$检验失效等问题。
检测多重共线性的方法有多种，如计算解释变量之间的相关系数、方差膨胀因子（VIF）等。
解决多重共线性的方法包括剔除一些相关变量、增大样本容量、使用岭回归或主成分回归等方法。
三、异方差性异方差性是指随机误差项的方差不是常数，而是随解释变量的变化而变化。
异方差性会影响参数估计的有效性和假设检验的可靠性。
常用的检测方法有图形法（如绘制残差平方与解释变量的关系图）、怀特检验等。
解决异方差性的方法有加权最小二乘法（WLS）等。
四、自相关性自相关性是指随机误差项在不同观测值之间存在相关关系。
自相关性会导致参数估计值有偏、无效，以及$t$检验和$F$检验不可靠。
常用的检测方法有杜宾沃森（DW）检验等。
解决自相关性的方法有广义差分法等。
五、虚拟变量虚拟变量用于表示定性变量，如性别、季节等。
在模型中引入虚拟变量可以更准确地反映经济现象。
计量经济学重点知识整理
计量经济学重点知识整理计量经济学是经济学中重要的一个分支，主要研究经济现象和经济理论的数理化方法。
本文将整理计量经济学中的重点知识，帮助读者系统地理解和掌握这门学科。
一、计量经济学简介计量经济学是运用统计方法和经济模型对经济问题进行定量分析的学科。
它利用数理统计学的工具，根据经济理论和实证研究的需要，对经济现象进行测度和解释。
计量经济学方法的特点是同时考虑了外生性和内生性变量之间的关系，能够揭示其中的因果关系。
二、计量经济学的基本原理1. 线性回归模型线性回归模型是计量经济学中最基本的模型之一，用于描述因变量与自变量之间的线性关系。
常见的线性回归模型有简单线性回归模型和多元线性回归模型。
对于简单线性回归模型，可以通过最小二乘法估计模型参数，求得最佳拟合曲线。
而多元线性回归模型则通过矩阵运算推导出参数的估计公式。
2. 假设检验在计量经济学中，假设检验是一种重要的统计方法，用于验证经济理论的假设。
常见的假设检验包括 t 检验、F 检验和卡方检验等。
通过构建原假设和备择假设，并计算相应的统计量，可以对经济理论提出的假设进行检验，从而得出结论。
3. 时间序列分析时间序列分析是计量经济学中的一个重要分支，用于研究随时间变化的经济现象。
常见的时间序列分析方法包括自相关函数（ACF）和偏自相关函数（PACF）的计算，以及平稳性检验、白噪声检验、单位根检验等。
这些方法可以帮助我们了解时间序列数据的性质，并进行有效的预测。
4. 面板数据分析面板数据是计量经济学中常用的一种数据类型，指同一时期内多个个体或单位的多个观测数据。
面板数据分析方法可以更好地解决普通截面数据和时间序列数据的缺陷，提高分析的效果。
常见的面板数据模型包括固定效应模型和随机效应模型，通过估计模型参数，可以得到各个因素对经济变量的影响。
三、计量经济学的应用领域1. 消费者行为分析计量经济学方法可以应用于消费者行为的分析，通过对消费者支出和收入等因素的测度和分析，揭示消费者行为背后的规律。
(完整版)计量经济学重点知识归纳整理
1.普通最小二乘法(Ordinary Least Squares,OLS)：已知一组样本观测值{}n i Y X i i ,2,1:),(⋯=，普通最小二乘法要求样本回归函数尽可以好地拟合这组值，即样本回归线上的点∧i Y 与真实观测点Yt 的“总体误差”尽可能地小。
普通最小二乘法给出的判断标准是：被解释变量的估计值与实际观测值之差的平方和最小。
2.广义最小二乘法GLS ：加权最小二乘法具有比普通最小二乘法更普遍的意义，或者说普通最小二乘法只是加权最小二乘法中权恒取1时的一种特殊情况。
从此意义看，加权最小二乘法也称为广义最小二乘法。
3.加权最小二乘法WLS ：加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。
4.工具变量法IV ：工具变量法是克服解释变量与随机干扰项相关影响的一种参数估计方法。
5.两阶段最小二乘法2SLS, Two Stage Least Squares ：两阶段最小二乘法是一种既适用于恰好识别的结构方程，以适用于过度识别的结构方程的单方程估计方法。
6.间接最小二乘法ILS ：间接最小二乘法是先对关于内生解释变量的简化式方程采用普通小最二乘法估计简化式参数，得到简化式参数估计量，然后过通参数关系体系，计算得到结构式参数的估计量的一种方法。
7.异方差性Heteroskedasticity ：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。
8.序列相关性Serial Correlation ：多元线性回归模型的基本假设之一是模型的随机干扰项相互独立或不相关。
如果模型的随机干扰项违背了相互独立的基本假设，称为存在序列相关性。
9.多重共线性Multicollinearity ：对于模型i k i i X X X Y μββββ++⋯+++=i k 22110i ，其基本假设之一是解释变量X 1,X 2,…,Xk 是相互独立的。
计量经济学 主要知识点
《计量经济学》《经济计量学》《Econometrics》一、主要知识点第一章绪论第一节计量经济学一、经济计量学的产生过程1930 世界经济计量学会二、经济计量学与其他学科的关系计量经济学的定义第二节建立计量经济学模型的步骤和要点一、数据类型1、时间序列数据2、截面数据3、面板数据二、经济变量与经济参数（一）、经济变量1、内生变量和外生变量内生变量(endogenous variable)：随机变量，模型自身决定；内生变量影响模型中内生变量，同时又受外生变量和其它内生变量影响。
外生变量(exogenous variable)：通常为非随机变量，在模型之外决定。
而外生变量只影响模型中的内生变量，不受模型中任何其它变量影响。
2、解释变量与被解释变量3、滞后变量与前定变量（二）建模步骤和要点。
模型假定把所研究的经济变量之间的关系用适当的数学模型表达出来。
估计参数模型检验：经济意义的检验、统计推断的检验、计量经济的检验、预测的检验第三节计量经济学模型的应用模型应用：政策评价、经济预测、结构分析、检验和发展经济理论第二章一元线性回归模型第一节概述一、相关关系与回归分析1、函数关系与统计相关关系2、相关分析与回归分析的区别和联系二、总体回归模型与样本回归模型1、总体回归模型（PRF）：总体回归函数随机扰动项2、样本回归模型（SRF）：样本回归函数残差第二节简单线性回归模型的参数估计一、对线性回归模型的假设（古典假定）如何表示？1、零均值假定2、同方差假定3、无自相关假定4、 与解释变量不相关5、 正态性假定二、普通最小二乘法（OLS ）1、 OLS 的思想 参数估计式2、Y i 的分布三、普通最小二乘估计量的统计性质 高斯—马尔可夫定理 BLUE1、参数估计量的性质 高斯-马尔科夫定理2、 总体方差/随机扰动项方差的估计式3、 参数估计量的概率分布四、最大似然估计的概念第三节 简单线性回归模型的检验一、对估计值的直观判断（经济意义的检验） 二、拟和优度的检验1、 TSS=ESS+RSS2、 TSS ESS RSS 各自的含义3、 R2的构造4、 ∑∑==22212ˆiyx TSSESS R iβ5、 2R [0，1]三、对1β的显著性检验（T 检验） 检验步骤 四、均值预测与个值预测的置信区间 P49 第三章 多元线性回归模型 第一节 概述一、基本概念偏回归系数及其解释二、多元线性回归的基本假定如何表示和理解？1、零均值假定2、同方差假定3、无自相关假定4、无多重共线性5、扰动项与解释变量不相关6、正态性假定第二节多元线性回归模型的最小二乘估计一、矩阵形式的OLS参数估计式二、总体方差/随机扰动项方差的OLS估计式三、参数估计量的性质：同一元情形四、样本容量问题第三节多元回归模型的检验一、拟和优度检验1、判定系数2、调整后的判定系数二、对单个回归系数的显著性检验（T检验）检验步骤三、总体回归模型的显著性检验（F检验）检验步骤第四节预测对个值预测、区间预测的理解：p74第五节可以线性化的其他函数形式一、线性回归模型的形式：对参数而言是线性的回归系数的含义:边际效应二、几种常见的线性回归模型1、 双对数模型 回归系数的经济含义:弹性2、 半对数模型3、 倒数变换模型第六节 受约束回归 基本思想和检验步骤 第四章 违背经典假设的回归模型第一节 异方差一、异方差1、 异方差，指的是回归模型中的随机误差项的方差不是常数。
计量经济学考试重点整理
计量经济学考试重点整理计量经济学考试重点整理第一章：计量经济学是指用数学方法探讨经济学的一门学科，由统计学、经济理论和数学三者结合而成。
它不同于经济统计学和一般经济理论，也不是数学应用于经济学的同义语。
三者结合起来，才能构成计量经济学的力量。
理论模型的设计包含三个主要部分：选择变量、确定变量之间的数学关系和拟定模型中待估计参数的数值范围。
常用的样本数据有时间序列、截面和虚拟变量数据。
样本数据的质量应具备完整性、准确性、可比性和一致性。
模型的检验包括经济意义检验、统计检验、计量经济学检验和模型预测检验。
其中，计量经济学检验包括异方差性检验、序列相关性检验和共线性检验。
计量经济学模型的成功要素包括理论、方法和数据。
应用方面，计量经济学模型可用于结构分析、经济预测、政策评价和理论检验与发展。
其中，结构分析主要采用弹性分析、乘数分析和比较静力分析等方法。
经济预测是计量经济学模型的一个主要应用领域，它是从用于经济预测，特别是短期预测而发展起来的。
对于非稳定发展的经济过程和缺乏规范行为理论的经济活动，计量经济学模型预测功能可能失效。
政策评价是指从许多不同的政策中选择较好的政策予以实行，或者说不同的政策对经济目标所产生的影响的差异。
计量经济学模型可以起到“经济政策实验室”的作用，将经济目标作为被解释变量，经济政策作为解释变量，评价各种不同政策对目标的影响。
最后，实践是检验真理的唯一标准，计量经济学模型的理论方法需要不断发展以适应预测的需要。
任何经济学理论只有在成功解释过去的情况下才能被人们所接受。
计量经济学模型提供了一种检验经济理论的好方法，通过对理论假设的检验可以发现和发展理论。
相关分析主要研究随机变量间的相关形式及相关程度，适用于所有统计关系。
但相关分析有其局限性，不能说明变量间的具体相关关系形式，也不能从一个变量推测另一个变量的具体变化。
回归分析则是研究一个变量关于另一个或几个变量的具体依赖关系的计算方法和理论，目的是根据已知的解释变量的数值去估计被解释变量的平均值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计量经济学重点知识整理1一般性定义计量经济学是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
研究的主体（出发点、归宿、核心）：经济现象及数量变化规律研究的工具（手段）：模型数学和统计方法必须明确：方法手段要服从研究对象的本质特征（与数学不同）,方法是为经济问题服务2注意：计量经济研究的三个方面理论：即说明所研究对象经济行为的经济理论——计量经济研究的基础数据：对所研究对象经济行为观测所得到的信息——计量经济研究的原料或依据方法：模型的方法与估计、检验、分析的方法——计量经济研究的工具与手段三者缺一不可3计量经济学的学科类型●理论计量经济学研究经济计量的理论和方法●应用计量经济学：应用计量经济方法研究某些领域的具体经济问题4区别：●经济理论重在定性分析,并不对经济关系提供数量上的具体度量●计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容5计量经济学与经济统计学的关系联系：●经济统计侧重于对社会经济现象的描述性计量●经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据●经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据6计量经济学与数理统计学的关系联系：●数理统计学是计量经济学的方法论基础区别：●数理统计学是在标准假定条件下抽象地研究一般的随机变量的统计规律性；●计量经济学是从经济模型出发，研究模型参数的估计和推断，参数有特定的经济意义，标准假定条件经常不能满足，需要建立一些专门的经济计量方法3、计量经济学的特点：计量经济学的一个重要特点是：它自身并没有固定的经济理论，而是根据其它经济理论，应用计量经济方法将这些理论数量化。
4、计量经济学为什么是一门单独的学科计量经济学是经济理论、数理经济、经济统计与数理统计的混合物。
1、经济理论所作的陈述或假说大多数是定性性质的，计量经济学对大多数经济理论赋予经验内容。
2、经济统计学的问题主要是收集、加工并通过图或表的形式以展现经济数据，他们不考虑怎样用所收集的数据来检验经济理论。
3、虽然数理统计学提供了这一行业中使用的许多工具，但由于大多数经济数据的独特性，计量经济学家常常需要有特殊的方法。
§2、计量经济学的方法论1、用计量经济学来分析问题的一般方法;（1）理论或假说的陈述（2）理论的数学模型的设定（3）理论的计量模型的设定（4）获取数据（5）计量经济模型的参数估计（6）模型检验（假设检验）（7）模型的应用：A、预报或预测B、利用模型进行控制或制定政策2、应用举例（消费函数）：（1）理论或假说的陈述：凯恩斯认为：随着收入的增加，消费也会增加，但是消费的增加不及收入增加的多。
即边际消费倾向递减。
（2）理论的数学模型设定：Y = a + bX其中y为消费支出，x为收入，ａｂ为模型的参数，分别代表截距和斜率系数。
斜率系数ｂ就是消费边际倾向MPC的度量。
其中左边的Y称为应变量，方程右边的X称为自变量或解释变量。
该方程表明消费和收入之间存在准确的一一对应关系。
（3）计量模型的设定：考虑到经济变量间的非准确关系，则消费函数的计量模型可以设定为: Y = a + Bx + μ其中μ被称为干扰项，或误差项，是一个随机变量，它有良好定义的概率性质。
μ是从模型中省略下来的而又集体影响着Y的全部变量的替代物（就是除了收入外，其它可能影响消费的所有因素）。
（4）数据的获得各种统计年鉴，企业报表和相关职能部门公布的统计数据。
（该例中我们可以通过中国统计年鉴获取相关数据）（5）参数估计（利用各种统计或计量软件来进行如：Eviews）以美国1980-1991年的数据，通过Eviews5.0的计算，我们可得如下消费函数方程：ý＝-231.8 + 0.7196其中ａ＝-231.8 ｂ＝0.7196它表明在1980-1991年间，实际收入每增加一元，美国人的平均消费增加0.72元。
（6）模型检验（假设检验）A、对理论或假说的检验弗里德曼认为凡是不能通过经验数据检验（实证检验）的理论或假设，都不能作为科学探索的一部分。
0 ＜0.7196＜1B、对模型的检验统计推断检验：模型的拟合优度检验、变量的显著性检验计量经济学检验：平稳性、多重共线性、自相关、异方差等方面的检验、（7）预报或预测（8）利用模型进行控制或制定政策4.计量经济学模型的应用一、结构分析经济学中的结构分析是对经济现象中变量之间相互关系的研究。
结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。
计量经济学模型的功能是揭示经济现象中变量之间的相互关系，即通过模型得到弹性、乘数等。
应用举例二、经济预测计量经济学模型作为一类经济数学模型，是从用于经济预测，特别是短期预测而发展起来的。
计量经济学模型是以模拟历史、从已经发生的经济活动中找出变化规律为主要技术手段。
对于非稳定发展的经济过程，对于缺乏规范行为理论的经济活动，计量经济学模型预测功能失效。
模型理论方法的发展以适应预测的需要。
三、政策评价政策评价的重要性。
经济政策的不可试验性。
计量经济学模型的“经济政策实验室”功能。
四、理论检验与发展实践是检验真理的唯一标准。
任何经济学理论，只有当它成功地解释了过去，才能为人们所接受。
计量经济学模型提供了一种检验经济理论的好方法。
对理论假设的检验可以发现和发展理论。
§3 变量数据参数与模型1、计量经济模型中的变量（1）从变量的因果关系分：自变量因（应）变量解释变量被解释变量（2）从变量的性质分内生变量：模型求解的结果外生变量：2、计量经济学中应用的数据（1）时间序列数据（2）截面数据（3）混合数据（4）虚拟变量数据：一些定性的事实，不能直接用一般的数据去计量。
3、参数及其估计准则（1）无偏性（2）最小方差性（最优无偏估计）（3）一致性4、计量模型的基本函数形式（1）线性模型（2）非线性模型（可变为线性形式的非线性模型）双对数模型半对数模型倒数变换模型第二章一元回归模型概述回归分析的性质回归分析的一些基本概念对线性的几点说明§2.1 回归分析的性质一、变量间的关系及回归分析的基本概念1、变量间的关系经济变量之间的关系，大体可分为两类：（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。
（以一定的统计规律呈现出来的关系）例如：函数关系：统计依赖关系/统计相关关系：▲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）：前者是随机变量，后者不是。
回归与因果关系虽然回归分析研究一个变量对另一（些）变量的依赖关系，但它并不意味着因果关系。
Kendall 和Stuart 认为一个统计关系式不管多么强，也不管多么有启发性，却永远不能确立因果方面的联系，对因果关系方面的理念必须来自统计学之外，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。
要谈因果关系，必须诉诸先验或理论上的思考。
§2.2回归分析的基本思想：一、利用样本来推断总体1、总回归函数（PRF ）2、样本回归函数（SRF ）3、样本回归函数对总回归函数的进行拟合：（1）最小二乘法（OLS ）（2）最小二乘法的基本假定（3）最小二乘估计的精度或标准误（4）最小二乘估计量的性质（5）拟合优度的度量（6）区间估计或假设检验4、利用回归方程进行分析、评价及预测。
二、回归分析的基本概念 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 ρ 有因果关系 正相关 无因果关系 非线性相关 不相关负相关()2,半径半径圆面积⋅==ππf ()施肥量阳光降雨量气温农作物产量,,,f =1、 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或因变量对变量测量尺度的注解： 分类尺度（名义尺度）、顺序尺度（序数尺度）、间隔尺度（区间尺度）、比率尺度（比率尺度）三、总体回归函数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。
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。
分析：（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描出散点图发现：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。
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，或更一般地称为总体回归曲线。
相应的函数：称为（双变量）总体回归函数。
含义：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。
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，β0，β1是未知参数，称为回归系数（regression coefficients ）。
。
四、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。
记：称μi 为观察值Yi 围绕它的期望值E(Y|Xi)的离，是一个不可观测的随机变量，又称为随机干扰项或)()|(i i X f X Y E =i i X X Y E 10)|(ββ+=)|(i i i X Y E Y -=μ随机误差项。