计量经济学第二章一元线性回归概述.pptVIP

社会经济现象之间的数量关系可分为：函数关系和相关关系。 函数关系反映着现象之间严格的依存关系。 相关关系反映着现象之间不确定、不严格的依存关系。 相关关系的分类 1、正相关（同向变动）和负相关（反向变动） 2、简单相关关系（两变量）和多元或复相关（三个及三个以上变量） 直线相关 （一）相关系数 相关系数R：它是直线相关分析中用来衡量两个变量之间相关程度的重要指标。（1）相关系数的取值范围是－1 ≤ R ≤ 1。 （2）R=0，称零相关 （3）︱R︱=1，称完全相关 （4） 当0＜︱R︱＜1，称普通相关。 等级相关 等级相关是指把标志的具体表现按等级次序排列，标志等级与标志等级之间的相关关系。 等级相关的任务主要是测定等级之间关系的密切程度。 等级相关系数： 例题： 散点图 回归结果 预测 以上例，给定xt = 20，求yf=？EViews预测步骤如下。 （1）双击工作文件的Sample:1 16区域，在弹出的对话框的Sample range pairs选择框处把16改为1 17。 （2）双击工作文件窗口中的x序列，打开x数据窗口。点击Edit+/-键，使x数据窗口处于可编辑状态。在t =17的x的观测值位置输入20。相当于给定x=20。 （3）打开估计式eq01窗口，点击Forecast键。在S.E. 选择框处填入yfse，表示要yt的预测值（用YF表示）也要yt的预测标准差（用yfse表示）。点击OK键，工作文件窗口中已经出现一个yf序列。双击yf序列，可以看到。y17 = 7.322668。 预测 Yf=7.322 Seyf=2.145 Yf的预测区间为：7.322±2.15×2.145 即（2.71，11.93） 问题：估计结果中没有显著性，去掉截距项 ?0可以吗？ 答：依据实际意义可知，没有木材采伐量就没有木材剩余物，所以理论上?0是可以取零的。而有些问题就不可以。例如家庭消费和收入的关系。即使家庭收入为零，消费仍然非零。一般来说，截距项的估计量没有显著性时，也不做剔出处理。 本案例剔出截距项后的估计结果是 = 0.3853 xt (28.3) R2 = 0.91, s. e. = 2.0 点预测值是 2000 = 0.3853 ×20= 0.3853 ? 20 = 7.7060万m3 八、预测 包括两种预测： 1、点预测 2、区间预测 0 1 0 0 ? ? ? X Y b b + = i X X Y a =0.05 的置信区间 Y a = 0.01 的置信区间 Y Y * 第二章 一元线性回归模型 第一节 回归的基本概念 一、相关 函数关系：两个变量之间存在完全确定性关系。 如 价格 ? 销售量 = 销售收入 相关关系：两个变量之间存在非确定性依存关系。 如 需求量 与价格 之间的关系 Y = β0 + β1X + u 因变量 自变量 被解释变量 解释变量 二、回归 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） 160 165 170 175 180 185 140 150 160 170 180 190 200 Y X 儿子们身高向着平均身高“回归”，以保持种族的稳定 父亲身高 儿子身高 “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，高的越来越高，矮的越来越矮。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 三、一元线性回归模型 yt = ?0 + ?1 xt + ut 上式表示变量yt 和xt之间的真实关系。其中yt 称被解释变量（因变量），xt称解释变量（自变量），ut称随机误差项，?0称常数项，?1称回归系数（通常未知）。上模型可以分为两部分。（1）回归函数部分，E(yt) = ?0 + ?1 xt,（2）随机部分，ut 。 这种模型可以赋予各种实际意义，收入与支出的关系；商品价格与供给量的关系等。 以收入与支出的关系为例。假设固定对一个家庭进行观察，随着收入水平