第3章双变量模型：假设检验解剖.ppt

总体个值预测值的预测区间 由 Y0=B0+B1X0+u 知： 于是 式中 : 从而在1-?的置信度下， Y0的置信区间为 在上述收入—消费支出例中，得到的样本回归函数为: 则在 X0=1000处， ?0 = –103.172+0.777×1000=673.84 而 因此，总体均值E(Y|X=1000)的95%的置信区间为： 673.84-2.306?61.05 E(Y|X=1000)673.84+2.306?61.05 或 (533.05, 814.62) 同样地，对于Y在X=1000的个体值，其95%的置信区间为： 673.84 - 2.306?131.07Y|x=1000 673.84 + 2.306?131.07 或 (372.03, 975.65) 总体回归函数的置信带（域）（confidence band） 个体的置信带（域） X Y Y均值的置信区间 Y个值的置信区间 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。 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题 一、中国居民人均消费模型 例：考察中国居民收入与消费支出的关系。 GDPP： 人均国内生产总值（1990年不变价） CONSP：人均居民消费（以居民消费价格指数（1990=100）缩减）。 年份 人均居民消费 consp 人均GDP GDPP 年份 人均居民消费 consp 人均GDP GDPP 1978 395.8 675.1 1990 797.1 1602.3 1979 437.0 716.9 1991 861.4 1727.2 1980 464.1 763.7 1992 966.6 1949.8 1981 501.9 792.4 1993 1048.6 2187.9 1982 533.5 851.1 1994 1108.7 2436.1 1983 572.8 931.4 1995 1213.1 2663.7 1984 635.6 1059.2 1996 1322.8 2889.1 1985 716.0 1185.2 1997 1380.9 3111.9 1986 746.5 1269.6 1998 1460.6 3323.1 1987 788.3 1393.6 1999 1564.4 3529.3 1988 836.4 1527.0 2000 1690.8 3789.7 1989 779.7 1565.9 中国居民人均消费支出与人均GDP（元/人） 1. 建立模型 拟建立如下一元回归模型 采用Eviews软件进行回归分析的结果见下表 该两组数据是1978—2000年的时间序列数据（time series data）； 前述收入—消费支出例中的数据是截面数据（cross-sectional data）。 Dependent Variable: CONSP Method: Least Squares Date: 04/12/07 Time: 21:07 Sample: 1978 2000 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob.?? C 201.1189 14.88402 13.51241 0.0000 GDPP 0.386180 0.007222 53.47471 0.0000 R-squared 0.992710????Mean dependent var 905.3304 Adjusted R-squared 0.992363????S.D. dependent var 380.6334 S.E. of regression 33.26450????Akaike info criterion 9.929800 Sum squared resid 23237.06????Schwarz criterion 10.02854 Log likelihood -112.1927?? F-statistic 2859.544 Durbin-Watson stat 0.550636????Prob(F-statistic) 0.000000 中国居民人均消费支出对人均GDP的回归（1978～20