绪论第章技术方案.ppt

二、均值的区间预测 的置信区间 由于 由 与 相互独立， ， 估计量 的概率分布: 由 （1）可以证明: 与 相互独立，而且 分析: 概率分布 （2） 服从正态分布，而且其期望、方差分别为： 置信度为 的置信区间为: 均值的置信区间 三、随机变量的预测区间 的区间估计 利用 和 的概率分布，且它们之间是相互独立， 得到： 的置信度为 的预测区间为： 1.8 实例 例1（续） 预测 （亿元） （亿元） 设 例1（续） Eviews5.0 输出结果 拟合效果图 例2 Eviews5.0 输出结果 拟合效果图 课外作业 P31-32: 1 , 3 , 5 , 7 第1章 一元线性回归分析 1.1 一元线性回归模型及其基本假定 一、一元线性回归模型 1、回归分析 研究随机变量 的平均变化趋势 2、一元线性回归模型： 其中 被解释变量或因变量 解释变量或自变量 随机干扰项或随机误差项 未知参数或回归参数 记号 一元线性回归方程 其中: 假设: 的条件期望估计值 的期望值(即平均值)的估计值 回归系数 3. 一元线性回归方程 样本回归方程与总体回归方程 样本回归方程 ， 总体回归方程 回归系数的含义 的含义：当自变量 取值为零时，因变量 的值平均为 （单位）； 的含义：自变量 每增加（或减少）1个单位， 平均增加（或减少） 个单位。 因变量 4. 随机误差项包含的因素 不可观测的随机变量 在解释变量中被忽略的变量的作用。 模型的设定误差或关系误差。 变量观测值的观测误差的影响。 其他随机因素。 二、一元线性回归模型的 基本假定 1、 服从正态分布。 2、 ， 3、 ， 4、 相互独立或不相关， 即当 时， 5、 与 不相关，即 或者，假定自变量是非随机的。 (常数) 1.2 回归参数的最小二乘估计 已知观测值： 待估计的参数： ；即求 ? 假设 残差平方和： 取到最小值时，所对应的 称为 最小二乘估计值 一、最小二乘估计法 (OLS) 记号 ，称为 残差 称为 残差平方和 令 即 二、最小二乘估计值 记号 表示 的差分； 表示 的差分。 差分求和关系 研究1990-2012年中国货币供应量Y 例1（续） 与国内生产总值X(单位: 亿元)的经济关系。 （2）求一元线性回归方程，并解释各系数的经济含义。 （3）求随机误差项的方差的估计值？ （4）求未知参数的置信度为 0.95 的置信区间？ （5）在显著性水平 0.05 下，完成未知参数的t检验。 （6）求拟合优度，并解释其含义。 （1）作散点图 （样本数据如前面所述） 要求 图4散点图 由样本计算所得值 1.3 随机误差项的方差的估计 取 残差序列: 用此残差序列的样本方差来估计 的方差 : 满足无偏性: ， 注 自由度 ： 平方和分解公式 回归平方和 残差平方和 总离差平方和 记号 并且 离差分解示意图 回归的标准误差与因变量标准差的区别 1.4 参数估计量的统计性质 满足线性、无偏、最小方差性 一、线性： 和 分别是 或 的线性函数。 即 其中 ， 满足 ， 二、无偏性： 是回归参数 的无偏估计量； 是回归参数 的无偏估计量。 即 ， 三、最佳性（最小方差性）： 在回归参数的所有线性无偏 估计量中，最小二乘估计量具有最小方差性。 即 取到最小值 取到最小值 1.5 回归参数的置信区间和 显著性检验 一、回归参数的抽样分布 二、估计量的标准差及其估计值 标准方差： ， 标准方差的估计值： 记号 三、回归参数的区间估计 给定置信度 作随机变量 使得 的置信度为 的置信区间为： (一) 对于 ： 给定置信度 作随机变量 使得 (二)对于 的置信度为 的置信区间为: （ ） ： 四、回归参数的显著性检验 （一）对于 给定显著性水平 （1）提出假设 （2）作检验统计量 （3）在 成立的条件下， （4） 的拒绝域为： ： （5） 推断：若 ，则拒绝 ，因而 显著地不为零；反之，则接受 。 （2）对于 给定显著性水平（或检验水平） （1）提出假设 （常数） （2）作检验统计量 （3）在 成立的条件下， （4） 的拒绝域为： ： （5） 推断… 例2 研究北京地区通货膨胀率与房地产价格的经济关系。 根据已有的统计数据，考虑样本数据为2006年1月至 2010年12月的月度数据；以CPI（同比）表示通货 膨胀率（%），以北京房屋销售价格指数（同比）表示 北京房价（记作变量：HP） （%）。 现分析北京房价对通货膨胀率的线性影响关系。 （H