2.总体回归函数的表现形式(1)条件均值表现形式Y假如的条件均值E(Y是解释变量的线性函数，可表示为：E(YX)uE(YIX)=f(X)=β+βXY（2）个别值表现形式XX分布对于一定的X，的各个别值在E(的周围，若令各个与条件均值是随机变量，则有E（的偏差为，显然u-Y-E(YX)-Y-B-BX或Y=β+βX+u16
16 • • ui Xi X Y ( ) E Y Xi Yi （1）条件均值表现形式 假如 的条件均值 是解 释变量 的线性函数，可表示为： （2）个别值表现形式 对于一定的 ， 的各个别值 分布 在 的周围，若令各个 与条件 均值 的偏差为 , 显然 是随机变量,则有 或 2.总体回归函数的表现形式 Xi E( ) Y Xi E( ) ( ) Y X f X X i i i i = = + 1 2 Yi E( ) Y Xi Yi E( ) Y Xi i u i u i i i i i i E( ) 1 2 u Y Y X Y X = − = − − Y X u i i i = + + 1 2 Y Y X
3.如何理解总体回归函数实际的经济研究中总体回归函数通常是未知的只能根据经济理论和实践经验去设定。“计量”的自的就是寻求PRF。总体回归函数中与的关系可是线性的，也可是非线性的。对线性回归模型的勺“线性”有两种解释就变量而言是线性的的线性函数的条件均值是就参数而言是线性的的线性函数的条件均值是参数17
17 ●实际的经济研究中总体回归函数通常是未知的， 只能根据经济理论和实践经验去设定。 “计量” 的目的就是寻求PRF。 ●总体回归函数中 与 的关系可是线性的，也可是 非线性的。 对线性回归模型的“线性”有两种解释 就变量而言是线性的 —— 的条件均值是 的线性函数 就参数而言是线性的 —— 的条件均值是参数 的线性函数 3.如何理解总体回归函数 Y X Y Y X
“线性”的判断变量、参数均为“线性”EYX)=β+βXE(YX)-β+β,X参数“线性”,变量”非线性”变量“线性”，参数”非线性”E(YX)=β,+β,X,计量经济学中：线性回归模型主要指就对参数而言是“线性”，因为只要对参数而言是线性的，都可以用类似的方法估计其参数。18
18 变量、参数均为“线性” 参数“线性”,变量”非线性” 变量“线性”,参数”非线性” 计量经济学中: 线性回归模型主要指就对参数而言是“线性”,因 为只要对参数而言是线性的,都可以用类似的方法估计 其参数。 E( ) Y X X i i i = + 1 2 2 E( ) Y X X i i i = + 1 2 E( ) Y X X i i i = + 1 2 “线性”的判断
三、随机扰动项uY概念：各个Y值与条件均值uE(YX）的偏差u代表排除在模型以外的所有因素对Y的影响。XX,性质：u是期望为0有一定分布的随机变量。重要性：随机扰动项u的性质决定着计量经济分析的结果和计量经济方法的选择。19
19 三、随机扰动项u ◆概念: 各个 值与条件均值 的偏差 代表 排除在模型以外的所有 因素对 的影响。 ◆性质： 是期望为0有一定分布的随机变量 。 ◆重要性：随机扰动项u的性质决定着计量经济 分析的结果和计量经济方法的选择。 • • Yi i u Y X Xi u E( ) Y Xi Y i u
引入随机扰动项的原因未知影响因素的代表无法取得数据的已知影响因素的代表众多细小影响因素的综合代表模型的设定误差变量的观测误差变量内在随机性20
20 ● 未知影响因素的代表 ● 无法取得数据的已知影响因素的代表 ● 众多细小影响因素的综合代表 ● 模型的设定误差 ● 变量的观测误差 ● 变量内在随机性 引入随机扰动项的原因