资料、分析与计算.pptVIP

土地利用变化分析中的统计资料与计算 区域土地利用变化 第一节 资料收集与整理 第一节 资料收集与整理 资料来源 统计局 年鉴、统计年鉴 网络 统计网站 / / 学术交流网站 / 遥感数据 第一节 资料收集与整理 有多少资料可以直接使用？ 统计资料使用中常见问题 资料整理的一般方法 使用EXCEL录入数据 使用SPSS录入数据 使用STATA（斯塔塔）录入数据 如何使用软件计算？ 使用EXCEL计算 使用SPSS计算 使用STATA计算 如何理解计算结果 使用EXCEL计算结果分析 使用SPSS计算结果分析 使用STATA计算结果分析 第二节 OLS原理 OSLE（普通最小二乘法） 第二节 OLS原理 一、有关回归的基本介绍 金融、经济变量之间的关系，大体上可以分为两种： （1）函数关系：Y=f(X1,X2,….,XP)，其中Y的值是由Xi（i=1,2….p）所唯一确定的。 （2）相关关系: Y=f(X1,X2,….,XP) ，这里Y的值不能由Xi（i=1,2….p）精确的唯一确定。 父亲们的身高与儿子们的身高之间关系的研究 1889年F.Gallton和他的朋友K.Pearson收集了上千个家庭的身高、臂长和腿长的记录 企图寻找出儿子们身高与父亲们身高之间关系的具体表现形式 下图是根据1078个家庭的调查所作的散点图（略图） “回归”一词的由来 从图上虽可看出，个子高的父亲确有生出个子高的儿子的倾向，同样地，个子低的父亲确有生出个子低的儿子的倾向。得到的具体规律如下： 如此以来，高的伸进了天，低的缩入了地。他百思不得其解，同时又发现某人种的平均身高是相当稳定的。最后得到结论：儿子们的身高回复于全体男子的平均身高，即“回归”——见1889年F.Gallton的论文《普用回归定律》。 后人将此种方法普遍用于寻找变量之间的规律 第二节 OLS原理 第二节 OLS原理 图2-1表示的是我国货币供应量M2（y）与经过季节调整的GDP（x）之间的关系（数据为1995年第一季度到2004年第二季度的季度数据）。 第二节 OLS原理 但有时候我们想知道当x变化一单位时，y平均变化多少，可以看到，由于图中所有的点都相对的集中在图中直线周围，因此我们可以以这条直线大致代表x与y之间的关系。如果我们能够确定这条直线，我们就可以用直线的斜率来表示当x变化一单位时y的变化程度，由图中的点确定线的过程就是回归。  第二节 OLS原理 对于变量间的相关关系，我们可以根据大量的统计资料，找出它们在数量变化方面的规律（即“平均”的规律），这种统计规律所揭示的关系就是回归关系（regressive relationship）,所表示的数学方程就是回归方程（regression equation）或回归模型（regression model）。 第二节 OLS原理 图2-1中的直线可表示为 （2.1） 第二节 OLS原理 如果我们以ｕ表示误差，则方程（2.1）变为： 第二节 OLS原理 其中yt被称作因变量 （dependent variable）、 被解释变量 （explained variable）、 结果变量 （effect variable）； xt被称作自变量 （independent variable）、解释变量 （explanatory variable）、 原因变量 （causal variable） 第二节 OLS原理 α、β为参数（parameters）,或称回归系数（regression coefficients）； ｕt通常被称为随机误差项（stochastic error term）,或随机扰动项（random disturbance term）,简称误差项， 在回归模型中它是不确定的，服从随机分布（相应的，yt也是不确定的，服从随机分布）。 第二节 OLS原理 为什么将ｕt 包含在模型中？ （1）有些变量是观测不到的或者是无法度量的，又或者影响因变量yt的因素太多； （2）在yt的度量过程中会发生偏误，这些偏误在模型中是表示不出来的； （3）外界随机因素对yt的影响也很难模型化，比如：恐怖事件、自然灾害、设备故障等。 第二节 OLS原理 二、参数的最小二乘估计 (一) 方法介绍 本章所介绍的是普通最小二乘法（ordinary least squares,简记OLS）; 最小二乘法的基本原则是：最优拟合直线应该使各点到直线的距离的和最小，也可表述为距离的平方和最小。 假定根据这一原理得到的α、β估计