第2章一元线性回归模型讲述.ppt

在Equation Speicfication中填入：PC C PI(C为EViews固定的截距项系数)，在Estimation Settings中选OLS估计，然后“确定”，得到表2.5.2回归结果。 2．命令方式 EViews命令窗口中直接输入命令：LS PC C PI，按回车键，即出现表2.5.2回归结果。 表2.5.2 回归结果 表2.5.3 输出结果的含义 0.000000 F统计量的概率 0.180221 DW统计量 12173.53 F统计量 13.93379 汉南准则 -241.3044 对数似然函数 13.99199 施瓦兹信息准则 1995283. 残差平方和 13.90311 赤池信息准则 245.8925 回归标准误差 4659.100 被解释变量标准差 0.997215 调整的决定系数 4662.514 被解释变量均值 0.997297 决定系数 0.0000 110.3337 0.006279 0.692812 PI 0.0000 5.799003 57.16954 331.5264 C 双侧概率?? t统计量 参数标准误差 参数估计值 常数和解释变量 2.5.5 模型检验 1.经济意义检验 经济意义检验就是根据经济理论判断估计参数的正负符号是否合理、大小是否适当。 3．拟合优度检验 拟合优度是指样本回归直线与样本观测数据之间的拟合程度，用样本决定系数的大小来表示。决定系数用来描述解释变量对被解释变量的解释程度。就本题而言， 2.5.6 预测 我们还可以在估计出的Equation框里选Forecast项，EViews自动计算出样本估计期内的被解释变量的拟合值，拟合变量记为yf，其拟合值与实际值的对比图形见图2.5.6。 图2.5.6 拟合值与实际值 点击方程窗口中的View\Actual,Fitted,Resid\Table按钮，可以得到拟合值和残差的有关结果（见图2.5.8）： 图2.5.8 拟合值、实际值与残差(b) 区间预测：在PI、PC的数据框里点击View，选Descriptive Stats里的Common Sample EViews使计算出有关x和y的描述统计结果，见表2.5.4。 表2.5.4 描述统计结果 图2.5.8 Forcast对话框 ②按变量个数，相关可分为两类。 简单相关：指两个变量之间的相关。当变量相关关系散布图上的点接近一条直线时，称为线性相关；当变量相关关系散布图上的点接近于一条曲线时，称为非线性相关。简单相关按符号又可分为正相关（见图2.3.4）、负相关（见图2.3.8）和零相关（见图2.3.6）。两个变量趋于在同一个方向变化时，即同增或同减，称为变量之间存在正相关；当两个变量趋于在相反方向变化时，即当一个变量增加，另一个变量减少时，称为变量之间存在负相关；当两个变量的变化相互没有关系时，称为二者不相关或零相关。 复相关：指三个或三个以上变量之间的相关。其中包括多重相关和偏相关。 （2）线性相关的度量 变量之间线性相关的程度，常用相关系数去度量。两个变量x和y的总体相关系数为 （3）相关分析与回归分析、决定系数与相关系数的关系 ①相关分析与回归分析的关系。两者之间的区别表现在以下几个方面： 第一，回归分析强调因果关系，相关分析不关心因果关系。 第三，回归分析对资料的要求是：被解释变量y是随机变量，解释变量x是非随机变量。相关分析对资料的要求是：两个变量都是随机变量。 两者之间的联系：第一，相关分析是回归分析的基础和前提。第二，回归分析是相关分析的深入和继续。第三，相关分析与回归分析的有关指标之间存在计算上的内在联系，下面将给出具体的数学表达式。 （4）相关系数的显著性检验 总体y与x是否显著线性相关，必须进行相关系数的显著性检验，简称相关检验。 检验相关系数的显著性有两种常用方法。 ①使用相关系数临界值表。设定原假设和备择假设分别是 2.3.5 正态性检验：Jarque——Bera检验 2.4 一元线性回归模型的预测 2.4.1 回归结果的报告形式与分析 1.回归结果提供的格式 对于表2.2.1中随机样本，用OLS所作的回归分析结果得到： 号内的数字分别是在对应参数等于0的原假设下，所计算的t统计量。 2．回归结果的分析 结果的分析主要包括以下内容： （1）系数的说明。 （2）拟合情况。 （3）系数的显著性，回归方程的显著性。 （4）根据DW检验值说明是否存在误差项的自相关。 2.