元线性阙归提型 随机误是项的假定条件 一元线性回归方程的预 元线性回归模型 研究某市城镇每年鲜蛋的需求量y 人均可支配收入π提高时,鲜蛋需求量也相应増加 但是,鲜蛋需求量还受消费习惯及其他一些随机因素的影响 为了表示鲜蛋需求量y与消费者可支配收入r间非确定的依 赖关系 ˆ将其他因素归并到随机变量ω中,建立变量y与x;的模型: v=60+1xz+v2 (1) 其中骀=某币城镇居民年人均鲜蛋需求量,称作被解释变量 工1=某市城镇居民年人均可支配收入,称作解释变量 u1随机误差项(随机扰动项或随机项、误差项) B,B1=回归系数(待定系数或待定参数)
Outline .ïá9Ùb½^ 5£8 .ëêO ¦OþÚO5 ^ ûXêu£8§[Ü`Ý £8XêOwÍ5u&«m 5£8§ýÿ Y~©Û £8©ÛVg 5£8 . ÅØ b½^ 5£8 . I ïÄ,½¢ zcmI¦þyi I <þ|Â\xiJp§mI¦þAO\ I ´§mI¦þɤS.9Ù¦ ÅÏK I L«mI¦þyi¤ö|Â\xim(½ 6'X I òÙ¦Ï8¿ÅCþui¥§ïáCþyixi .µ yi = β0 + β1xi + ui (1) I Ù¥ yi =,1¢ جc<þmI¦þ§¡)ºCþ xi =,½¢ جc<þ|Â\§¡)ºCþ ui =ÅØ £Å6ĽÅ!Ø ¤ β0, β1 =£8XꣽXê½½ëê¤ µR) Chapter 2 The Simple Linear Regression Model
元线性阙归提型 随机误是项的假定条件 一元线性回归方程的预 元线性回归模型(续) yi= Bo+B13 (1)
Outline .ïá9Ùb½^ 5£8 .ëêO ¦OþÚO5 ^ ûXêu£8§[Ü`Ý £8XêOwÍ5u&«m 5£8§ýÿ Y~©Û £8©ÛVg 5£8 . ÅØ b½^ 5£8 .£Y¤ I yi = β0 + β1xi + ui (1) I 3£1¤ª¥xiu)Cz§Uì½5Æ£ùp´5 '~'X¤KÏCþyi I yiCz¿ØKxi I =xiCz´yiCzϧxiyimäkÏJ'X" I Ïk)ºCþ§Cþm'Xq´5'X§¡ £1¤ª5£8 . µR) Chapter 2 The Simple Linear Regression Model
元线性阙归提型 随机误是项的假定条件 一元线性回归方程的预 元线性回归模型(续) v=0+61 (1) 在(1)式中当x;发生变化时,按照一定规律(这里是线性 比例关系)影响因变量v
Outline .ïá9Ùb½^ 5£8 .ëêO ¦OþÚO5 ^ ûXêu£8§[Ü`Ý £8XêOwÍ5u&«m 5£8§ýÿ Y~©Û £8©ÛVg 5£8 . ÅØ b½^ 5£8 .£Y¤ I yi = β0 + β1xi + ui (1) I 3£1¤ª¥xiu)Cz§Uì½5Æ£ùp´5 '~'X¤KÏCþyi I yiCz¿ØKxi I =xiCz´yiCzϧxiyimäkÏJ'X" I Ïk)ºCþ§Cþm'Xq´5'X§¡ £1¤ª5£8 . µR) Chapter 2 The Simple Linear Regression Model
元线性阙归提型 随机误是项的假定条件 一元线性回归方程的预 元线性回归模型(续) v=0+1x+2 (1) 在(1)式中当x;发生变化时,按照一定规律(这里是线性 比例关系)影响因变量v 且v的变化并不影响x 即x的变化是v变化的原因,xi与之间具有因果关系
Outline .ïá9Ùb½^ 5£8 .ëêO ¦OþÚO5 ^ ûXêu£8§[Ü`Ý £8XêOwÍ5u&«m 5£8§ýÿ Y~©Û £8©ÛVg 5£8 . ÅØ b½^ 5£8 .£Y¤ I yi = β0 + β1xi + ui (1) I 3£1¤ª¥xiu)Cz§Uì½5Æ£ùp´5 '~'X¤KÏCþyi I yiCz¿ØKxi I =xiCz´yiCzϧxiyimäkÏJ'X" I Ïk)ºCþ§Cþm'Xq´5'X§¡ £1¤ª5£8 . µR) Chapter 2 The Simple Linear Regression Model
元线性阙归提型 随机误是项的假定条件 一元线性回归方程的预 元线性回归模型(续) v=0+61 (1) 在(1)式中当x;发生变化时,按照一定规律(这里是线性 比例关系)影响因变量v 且v的变化并不影响x 即x的变化是v变化的原因,x与ⅵ之间具有因果关系。 ≯因为只有一个解释变量,变量间的关系又是线性关系,称 (1)式为一元线性回归模型
Outline .ïá9Ùb½^ 5£8 .ëêO ¦OþÚO5 ^ ûXêu£8§[Ü`Ý £8XêOwÍ5u&«m 5£8§ýÿ Y~©Û £8©ÛVg 5£8 . ÅØ b½^ 5£8 .£Y¤ I yi = β0 + β1xi + ui (1) I 3£1¤ª¥xiu)Cz§Uì½5Æ£ùp´5 '~'X¤KÏCþyi I yiCz¿ØKxi I =xiCz´yiCzϧxiyimäkÏJ'X" I Ïk)ºCþ§Cþm'Xq´5'X§¡ £1¤ª5£8 . µR) Chapter 2 The Simple Linear Regression Model