计量经济学理论/回归与因果关系和相关性

统计和确定性关系

确定性关系意味着变量之间存在确切的数学关系或依赖性。物理学中的一个例子是牛顿万有引力定律： $F=k\left({\frac {m_{1}m_{2}}{r^{2}}}\right)$ ，其中 F，力，与一个常数 k、两个物体的质量成正比， $m_{1}$ 和 $m_{2}$ ，并且与距离的平方成反比。

随机或随机关系允许关系中存在一些变化。这是概率分布将在后面出现的。由于以下原因，该关系可能不精确

测量误差
报告错误
计算错误
其他影响,

等等。一个例子是作物产量相对于降雨量。我们可能无法准确地测量降雨量（测量误差），我们将四舍五入到小数点后一位（报告误差），计算总和的计算机软件中存在错误（计算误差），并且可能存在其他因素，例如肥料的质量，土壤的质量和污染（其他影响）。

回归与因果关系

回归处理模型中变量之间的依赖关系。但它不能总是意味着因果关系。例如，我们上面说过降雨会影响作物产量，并且有数据支持这一点。然而，这是一个单向关系：作物产量不能影响降雨。这意味着如果不存在因果关系，则在回归中不存在因果关系和影响反应。

简而言之，我们得出结论，统计关系不意味着因果关系。^[1]

回归与相关性

相关性是分析的一个分支，称为相关性分析，其中测量两个变量之间的线性关联程度。如果我们计算作物产量和降雨量之间的相关性，我们可能会得到一个估计值，例如 0.69。这相当高，足以证明它们之间存在数学关系。

我们看待降雨量和作物产量之间关系的方式存在区别。在统计学中，假设两个变量都是包含随机误差的变量。它们都被平等对待，并且它们之间没有区别。

在回归分析中，根据我们的理论，作物产量是因变量，降雨量是解释变量。区别在于自变量没有随机成分，所有值都从该分布中固定。

这将在 {测量部分} 中很重要。

注释

{参考文献/}

维基百科链接

参考文献

Gujarati, D.N. (2003). 基本计量经济学，国际版 - 第 4 版. McGraw-Hill 高等教育. pp. 22–24. ISBN 0-07-112342-3.

↑ Gujarati (2003, p. 23)

[1] Gujarati (2003, p. 23)

[1]