1、第二章 简单回归模型回归的历史含义lF.加尔顿最先使用 “ 回归（ regression） ”。l父母高，子女也高；父母矮，子女也矮。l给定父母的身高，子女平均身高趋向于“ 回归 ” 到全体人口的平均身高。简单回归模型的定义回归的现代释义回归分析 用于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。关注对象 ： （ 1）用 x来解 释 y（ 2）研究 y如何随 x而 变 化l商品需求函数： l警察和犯罪率： l除 x外其他影响 y的因素如何处理？ly和 x函数关系如何设定？ 简单回归的几个问题：y=0 + 1 x + uu扰动项 u的引入。ux和 y的非线性关系怎么办？u生产函
2、数：y x因 变 量 (dependent V.) 自 变 量 (independent V.)被解 释变 量 (explained V.) 解 释变 量 (explainatory V.)响 应变 量 (response V.) 控制 变 量 (control V.)被 预测变 量 (predicted V.) 预测变 量 (predictor V.)回 归 子 (regressand) 回 归 元 (regressor)u 误 差 项 （ error term)扰动项 、干 扰项 （ disturbance） 两个例子yield=0 + 1 fertilizer + uwage=0 + 1
3、 educ + ul其他因素不变， u=0，则：1 =yield/fertilizer1 =wage/educl 变化解释变量 fertilizer或 educ时，能假定其他因素不变吗？ 解 释变 量 x和 扰动项 u关于均 值 独立：均 值 独立比 “不相关 ”更 强相关关系度量的是 变 量 间 的 线 性关系。若 x表示受教育水平， u是个人能力，假定可能成立 吗 ？ 关于 u的假定E(u|x)=E(u)对于模型：如方程包含常数项，可以假定：若 E(u)=a0，可将模型 调 整 为 ：零条件均值假定：y=0 + 1 x + uE(u)=0y=0 +a+1 x + u1E(u|x) = 0 总体回归函数（ PRF）E(y|x)=0 + 1 x PRF是确定的，未知的总体回归函数 （传统思路） 假想案例 总体回归函数的随机设定 随机误差项的意义
