第4章 需求回归解说.pptVIP

第四章 需求回归分析 一、估计参数——最小二乘法 回归分析法：利用数理统计方法建立 因变量（决策变量）与自变量（影响因素）之间的因果关系的函数表达。 一元回归分析、多元回归分析 线性回归分析、非线性回归分析 第一节 回归分析 * 令ei为Y的实际观测值与预测值之间的离差（即这些点与支线之间的垂直距离），则 称为残值residual或预测误差prediction error。最小二乘法就是令残值的平方和 样本回归直线 y′=a+bx yi yi′ ei Y X 观察值对样本回归直线的离差 最小 。 最小二乘回归估计 拟合的 直线从各数据点中通过，使每一点到该直线垂直距离的额平方和最小，这种技术称为 最小二乘回归分估计（least-squares regression estimation） * 销售 地区 i 促销支出（×$1,000）Xi 销售量(×$1,000加仑)Yi Yi- Xi- (Xi- )2 (Xi- ) ( Yi- ) (Yi- )2 1 2 3 4 5 6 7 8 9 10 150 160 50 190 90 60 140 110 200 100 160 220 140 190 130 160 200 150 210 190 -15 45 -35 15 -45 -15 25 -25 35 15 25 35 -75 65 -35 -65 15 -15 75 -25 625 1225 5625 4225 1225 4225 225 225 5625 625 -375 1575 2625 975 1575 975 375 375 2625 -375 225 2025 1225 225 2025 225 625 625 1225 225 =175； =125；∑ (Xi- )2=23850；∑(Xi- )( Yi- )=10350, ∑(Yi- )2=8650； 例：某石化公司汽油销售量与促销费用的统计数据如下表 试给出销售量的估计方程。 * 汽油销售量函数的估计方程为： 二、统计检验 检验方程的拟合性和自变量对因变量的 解释能力 。两个方面：一是可决系数；二是使用t-检验 第一节 回归分析 * （1）检验回归方程的拟合性 变差和总变差 总变差是指任意一个Yi和Y的均值之间的离差，即( Yi- )，称为Y的总变差。 * 已解释变差和未解释变差 总变差 未解释变差 已解释变差 样本回归直线 X Xi Y （1）检验回归方程的拟合性 * 可决系数 可决系数coefficient determination R2度量在因变量的总变差中，已由回归方程解释的部分所占的比重。 （1）检验回归方程的拟合性 * （2）评价单个自变量的解释能力 t-检验 运用t-检验t-test可以确定因变量和每个自变量之间是否存在显著的关系。 从其中一个回归方程得出的　的标准差是对　的变动性的估计， * （2）评价单个自变量的解释能力 t-检验 由于　具有变动性，需要确定一个区间或范围来估计参数b的真正的值。可以用以下公式估算b的95%的置信区间： 　±tn-k-1Sb 如果自变量和因变量之间没有关系，参数b将为零。因此，应检查在95%的置信区间内是否包括零值。若不是，则　所度量的X和Y之间的关系在统计上显著significant；如果包括零，则　不显著nonsignificant。 * 第二节 多元回归 多元回归 对具有一个以上自变量的方程的参数进行估计称为多元回归multiple regression。 在多元回归中，假定其它变量的影响不变，每一个估计出来的系数是对一个变量对因变量的影响的度量。 * ? 变量 常数 价格P 收入I 其他物品价格P0 估计的系数 50.7836 -4.9892 0.0034 -1.2801 标准差 10.2189 1.3458 0.0045 0.5890 t-统计量 (4.97) (-3.71) (0.76) (-2.71) 观察次数=182，R2=0.6837 例2： * 第三节 需求回归分析 步骤 1. 建立理论模型与决定变量 2. 收集数据 * 变量遗漏 经济理论能用来确定哪些变量应当包括在回归方程中。但如果有的变量被遗漏了，回归分析的结果就可能产生误导。当回归结果与经济理论不一致时，重要变量的遗漏可能是个原因，这就需要在回归方程中增加新的变量。 * 识别问题 从市场观察到的均衡价格和均衡交易量如下表： 年份 价格（元） 交易量 1 2 3 10 8 6 100 120 140 交易量 100 120 140 10 8 6