第三章 回归分析预测法幻灯片.ppt

(3)* 2.多重共线性检验的经验方法 （1）判定系数 值高而回归参数显著的t值小,这是多重共线性的经典征兆。 （2）自变量之间有高度的两两相关。 （3）辅助回归的判定系数 大于 ， (3)* 四、多元线性回归模型的预测 所设定的多元线性回归模型若通过了各种检验，则可以用于预测。对于给定的一组自变量 ，因变量的点预测为： (3)* 记 则在显著性水平 下，因变量的预测区间为： (3)* 3.3 非线性回归分析预测法 一、非线性回归分析的意义及分类 在实际经济活动中，经济变量的关系是复杂的，直接表现为线性关系的情况并不多见。 如著名的恩格尔曲线(Engle curves)表现为幂函数曲线形式、宏观经济学中的菲利普斯曲线（Pillips cuves）表现为双曲线形式等。 但是，大部分非线性关系又可以通过一些简单的数学处理，使之化为数学上的线性关系，从而可以运用线性回归模型的理论方法。 (3)* 非线性相关关系存在以下两种情况： 因变量和参数之间的关系是线性的，这种情况可通过变量代换转化为线性的形式 因变量和参数之间的关系是非线性的，有些模型可以找到适当的变换而化为线性模型 (3)* 二、几种常见的非线性模型及其线性化方法 多项式模型 双曲线模型 半对数模型和双对数模型 指数模型 幂模型 S形模型 (3)* 3.4 进行回归分析预测时应注意的问题 在定性分析的基础上进行回归分析预测 要注意现象质的界限和相关关系作用的范围 重视具体问题具体分析 要考虑社会经济现象的复杂性 (3)* 3.5 多元回归分析预测案例 现有某商品过去15个时期的销售量、价格和广告支出额资料如表3-4所示，试根据表中资料利用回归预测法对该商品价格为38元/件、广告支出额为8万元时的销售量进行预测。 (3)* (3)* 3.对回归方程的显著性检验（F检验） (3)* （三） 经济计量检验 经济计量检验主要是用来检验所采用的计量经济方法是否令人满意，计量经济方法的假设条件是否得到满足，从而确定统计检验的可靠性，主要包括随机误差项的序列相关检验、异方差检验和解释变量的多重共线性检验等。 (3)* (3)* (3)* 四、利用线性回归模型进行预测 如果所拟合的样本回归方程通过了各种检验，则该样本回归方程可用来进行预测。预测分为点预测和区间预测。 (3)* （一）点预测 (3)* （二）区间预测 (3)* (3)* 3.2多元线性回归分析预测法 一元线性回归分析预测法讨论的是一个因变量和一个自变量的回归预测问题，然而在许多情况下，需要考虑一个因变量与多个自变量之间的回归分析，及多元回归分析。 (3)* 一、多元线性回归模型的建立 (3)* (3)* (3)* (3)* 为了进行多元线性回归分析，除了上一节提出的标准假定以外，还假定多元线性回归模型所包含的自变量之间不具有较强的线性相关关系，即不存在多重共线性 (3)* 二、多元线性回归模型参数的估计 最小二乘原理：根据被解释变量的所有观测值与估计值之差的平方和最小的原则求得参数估计量。 (3)* 步骤： (3)* (3)* (3)* 正规方程组的矩阵形式 (3)* (3)* 三、多元线性回归模型的检验 同一元线性回归模型一样，在利用所建立的多元线性回归模型进行预测之前，需要对其进行各种检验。首先进行经济理论检验，再进行统计检验和计量经济学检验。 (3)* （一）统计检验 1.拟合优度检验 建立在总离差平方和分解基础上的多元线性回归模型判定系数（复判定系数）记为 ,以区别于一元线性回归模型判定系数 。 (3)* 总离差平方和的分解 证明： 该项等于0 (3)* 判定系数 的计算公式为： 该统计量越接近于1，模型的拟合优度越高。 从R2的表达式中发现，如果在模型中增加解释变量， R2往往增大。 这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。但是，由增加解释变量引起的R2的增大与拟合好坏无关，所以R2需调整。 (3)* (3)* 2.回归方程的显著性检验 所谓假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。 假设检验采用的逻辑推理方法是反证法。先假定原假设正确，然后根据样本信息，观察由此假设而导致的结果是否合理，从而判断是否接受原假设。 判断结果合理与否，是基于“小概率事件不易发生”这一原理的。 (3)* 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在