计量经济学教案2.4.pptVIP

§2.4 一元线性回归分析的应用：预测问题 一、?0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计 二、总体条件均值与个值预测值的置信区间 例1 某市1980-1998年城镇居民人均可支配收入（X）与消费性支出（Y）的观察值如下 (1)求二者之间的回归模型 (2)求2010年X=2000时，Y的点预测和区间预测（单个值预测区间和均值的预测区间） Method: Least Squares Date: 03/10/08 Time: 20:48 Sample: 1980 1998 Included observations: 19 Y=C(1)+C(2)*X Coefficient Std. Error t-Statistic Prob. C(1) 135.306 3 24.7408 5.468940 0.0000 C(2) 0.6917 54 0.024671 28.03936 0.0000 R-squared 0.978835 Mean dependent var 790.6132 Adjusted R-squared 0.977590 S.D. dependent var 236.3875 S.E. of regression 35.38729 Akaike info criterion 10.06988 Sum squared resid 21288.43 Schwarz criterion 10.16930 Log likelihood -93.66389 F-statistic 786.2057 Durbin-Watson stat 0.688666 Prob(F-statistic) 0.000000 回归方程 2010年,X=2000时Y单值预测 * 对于一元线性回归模型 给定样本以外的解释变量的观测值X0，可以得到被解释变量的预测值?0 ，可以此作为其条件均值E(Y|X=X0)对总体回归线而言或总体真值Y0的一个近似估计。 注意： 严格地说，这只是被解释变量的预测值的估计值，而不是预测值。 原因:（1）参数估计量不确定； （2）随机项的影响 一、?0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计 对总体回归函数E(Y|X=X0)=?0+?1X，X=X0时 E(Y|X=X0)=?0+?1X0 于是 可见，?0是条件均值E(Y|X=X0)的无偏估计。 对总体回归模型Y=?0+?1X+?，当X=X0时 于是 二、总体条件均值与个值预测值的置信区间 1、总体均值预测值的置信区间 由于 于是 可以证明 因此 故 其中 于是，在1-?的置信度下，总体均值E(Y|X0)的置信区间为 2、总体个值预测值的预测区间 由 Y0=?0+?1X0+? 知: 于是 式中 : 从而在1-?的置信度下， Y0的置信区间为 对于Y的总体均值E(Y|X)与个体值的预测区间（置信区间）: （1）样本容量n越大，预测精度越高，反之预测精度越低； （2）样本容量一定时，置信带的宽度当在X均值处最小，其附近进行预测（插值预测）精度越大；X越远离其均值，置信带越宽，预测可信度下降。 847.26 815.40 1988 884.40 798.63 1987 851.20 755.56 1986 744.06 654.73 1985 699.96 576.35 1984 591.18 509.58 1983 566.81 488.10 1982 532.72 479.94 1981 526.92 474.72 1980 X Y 年 份 1663.63 1252.53 1998 1538.97 1186.11 1997 1432.93 1099.27 1996 1289.77 1040.98 1995 1200.90 974.70 1994 1035.26 849.78 1993 984.09 820.25 1992 903.66 759.49 1991 884.21 767.16 1990 820.99 718.37 1989 *