第四章因果关系预测.pptVIP

第四章 回归预测法 学习目标 掌握回归预测的条件； 熟悉一元线性回归预测的步骤； 了解多元线性的含义； 学会使用软件建立模型。 第一节 回归预测法简介 一、定义 回归预测法就是通过变量之间的相关分析，建立回归模型，根据自变量的数值变化，预测因变量变化的方法。 因变量即预测对象，自变量则是与因变量有密切关系的那个或几个变量。 第一节 回归预测法简介 二、利用回归法进行预测的必要条件 1.因变量与自变量之间是密切相关的，即强相关，而各个自变量之间的关系，又必须是不密切或不相关的。 2.自变量的未来值必须比因变量的预测值准确，或容易求得。 第一节 回归预测法简介 三、建立回归模型的步骤 （一）理论模型的设计 理论模型的设计包括三部分工作：选 择变量、确定变量之间的关系、拟定模型 中待估参数的数值范围。 第一节 回归预测法简介 1.确定模型所包含的变量 在单方程模型中，变量分为两类：被 解释变量、解释变量。 在确定了被解释变量之后，关键在于 正确地选择解释变量。 第一节 回归预测法简介 首先，需要正确理解和把握所研究的经 济现象中暗含的经济学理论和经济行为规律。 其次，选择变量要考虑数据的可得性。 第三，选择变量时要考虑所有入选变量之 间的关系，使得每一个解释变量都是独立的。 第一节 回归预测法简介 下面是几种容易发生的错误： 例1 农副产品出口额=-107+0.13*社会商品零售总 额+0.22*农副产品收购额 分析：这里选择了无关的变量。因为社会商 品零售总额不是影响农副产品出口额的原因。 第一节 回归预测法简介 例2 生产资料进口额=0.73*轻工业投资+0.21*出口额+0.18*生产消费+67.6*进出口总额 分析：这里选择了不重要的变量。应加入全社会固定 资产投资 例3 农业总产值=0.78+0.24*粮食产量+0.05*农机动力-0.21*受灾面积 分析：这里选择了不独立的变量。 第一节 回归预测法简介 2.确定模型的数学形式 3.拟定理论模型中待估参数的理论期望值 （二）样本数据的收集 1.几种常用的样本数据 常用的样本数据有三类：时间序列数据、截面数据、虚拟变量。 （1）时间序列数据是一批按照时间排列的统计数据。 第一节 回归预测法简介 在利用时间序列数据作样本时，要注意以 下几个问题： 一是所选择的样本区间内经济行为一致性问题； 二是样本数据在不同样本点之间的可比性问题； 三是样本观测值过于集中的问题； 四是模型随机误差的序列相关问题。 第一节 回归预测法简介 （2）截面数据 截面数据是一批发生在同一时间截面上的调查数据。 （3）虚拟变量 也称二进制数据，一般取0或1。虚拟变量经常被用在计量经济模型中，表征政策、条件等因素。 第一节 回归预测法简介 2.样本数据的质量 样本数据的质量大体上可以概括为完整性、准确性、可比性和一致性四个方面。 （三）模型参数估计（后面详述) （四）模型的检验 建立好的模型能否客观揭示所研究的经济现象中诸因素之间的关系，能否付诸应用，还要通过检验才能决定。 第一节 回归预测法简介 一般讲,计量经济模型必须通过四级检验,即经济意义检验、统计学检验、计量经济检验和预测检验。 1.经济意义检验 经济意义检验主要检验模型参数估计量在经济意义上的合理性。 主要方法是将模型参数的估计量与预先拟定的理论期望值进行比较，包括参数估计量的符号、大小、相互之间的关系，以判断其合理性。 第一节 回归预测法简介 首先，检验参数估计量的符号。 例如，有下列煤炭行业生产模型 煤炭产量=-98+0.006*固定资产原值+0.015*职工人数+0.003*木材消耗量-0.006*电力消耗 分析：在该模型中，电力消耗量的参数估计量为负，意味着电力消耗越多，煤炭产量越低，从经济上无法解释。 如果所有参数估计量的符号正确，则要进一步检验参数估计量的大小。 第一节 回归预测法简介 例如，有下列煤炭企业生产函数模型： Ln（煤炭产量）=2.69+1.85ln（固定资产原值）+0.51ln（职工人数） 分析：该模型是一个对数线性模型。参数为产出弹性，表示当固定资产原值增加1%时，煤炭产量增加的百分数。估计值应该在0~1之间，虽然符号正确，但是数值范围与理论期望值不符。 即使模型参数估计量的符号正确，数值范围恰当，仍然不能说已经通过经济意义检验，还要对参数之间的关系进行