回归基本概念和建模步骤介绍.pptVIP

* 内外生－企业系统论 同样是生产方程，电力工业和纺织工业应该选择不同的变量，为什么？ * * * * * * 回归模型分析 * * 回归的古典意义： 高尔顿遗传学的回归概念 ( 父母身高与子女身高的关系) 发现：样本有趋近总体均值的趋势 回归的现代意义： 一个应变量对若干解释变量依存关系的研究 回归的目的（实质）： 由固定的解释变量去估计应变量的平均值 回归（Re-gress）的涵义 * （一）、变量间的关系及回归分析的基本概念 1. 变量间的关系（两类） （1）确定的函数关系：研究的是确定现象非随机变量间的关系。 如：销售收入Y＝销售单价P×销量X （2）非确定的统计相关关系：研究的是非确定现象随机变量间的关系。 * 例中无法确定农作物产量与施肥量间确定的函数关系，但却能通过统计计量等方法研究它们之间的统计相关关系。例中的农作物产量为非确定性变量（随机变量）。 * 对变量间统计相关关系（非确定现象）的考察主要是通过相关分析或回归分析来完成的。 正相关 线性相关 不相关 相关系数： 统计相关关系 负相关 1 1 ￡ ￡ - XY r 有因果关系 回归分析 正相关 无因果关系 相关分析 非线性相关 不相关 负相关 * 2. 相关分析与回归分析 （1）相关分析： 主要研究随机变量间的相关形式和相关程度 用相关系数的计算公式 * （2） 回归分析的基本概念 回归分析是研究一个变量（被解释变量或应变量）关于另一个（些）变量（解释变量或自变量）的具体依赖关系的计算方法和理论。 其目的在于通过后者的已知或设定值，去估计和（或）预测前者的均值。 * 回归分析主要内容： 1）根据样本观察值对模型参数 进行估计，求得回归方程； 2）对回归方程、参数估计值进行检验； 3）利用回归方程进行分析、评价及预测（应用）。 （二）、回归模型的建立 四步骤： 理论模型的设计 样本数据的收集 模型参数的估计 模型的检验 * 一、理论模型的设计 理论模型设计的三部分工作： 1，确定模型包含的变量 （1）被解释变量与解释变量 “果”--被解释变量， “因”--解释变量 （如：消费=收入+随机扰动项, ） （2）解释变量的选择 ①. 根据经济学相关理论和经济行为分析。情况不同,选择不同。 例如：生产问题中的供不应求和供过于求 如电力：影响产出的因素-投入（人财物） 纺织：影响产出的因素-需求（居民收入） ②. 考虑数据的可得性。（变量是统计指标，数据来源可靠） 注意因素和变量之间的联系与区别。选择合适变量表征“因素”，如生产函数中，总产值－产出；固定资产原值－资本；职工人数－劳动；时间－技术。 ③. 考虑入选变量之间的关系。 要求变量间互相独立（不相关）。 * （3）错误选择变量的几个例子： 1）财政收入＝4219.1＋4.729股票融资额 这里忽视重要因素：税收 2）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 这里选择了相关（不独立）变量：粮食产量与农机动力和受灾面积相关 （上面错误例子都能很好拟合样本数据） * 2. 确定模型的数学形式（建立理论模型） 依据经济行为理论（如常用的生产、需求、消费、投资等模型的数学形式），初步确定被解释变量和解释变量之间的关系曲线。 3. 拟定模型中待估计参数的合理性 如： 符号、大小等 例如：生产函数模型中有3个待估参数α 、β、A。 则数值范围应为： 0α1 ， 0 β 1 ， A0 又如：消费与收入关系 * 二、样本数据的收集 是建模过程中的重要工作（工作量大），常与建模(选择变量)同时进行 去哪儿找数据？ 1. 常用样本数据 ⑴ 时间序列数据（纵向数据） 含义： 如1990－2013我国城乡居民人均收入的调查数据 ⑵ 截面数据（横向数据） 含义： 如2013全国各省市城乡居民人均收入的调查数据 * 2. 样本数据质量 ⑴ 完整性----所有变量均有相同容量的观测值 ⑵ 准确性 ⑶ 可比性 每个指标数据口径和单位要一致 ，如可变价和不变价 * 三、模型参数的估计（见案例）