02-多元线性回归模型..pptVIP

第3章 多元线性回归模型 第3章 多元线性回归模型 例题3.1 例题3.1 预测评价指标的应用 3.8 建模过程中应注意 的问题 3.8 建模过程中应注意的问题 3.8 建模过程中应注意的问题 3.8 建模过程中应注意的问题 3.8 建模过程中应注意的问题 (11) 利用回归模型预测时，解释变量的值最好不要离开样本范围太远。 原因是 ① 根据预测公式离样本平均值越远，预测误差越大。 ② 有时，样本以外变量的关系不清楚。当样本外变量的关系与样本内 变量的关系完全不同时，在样本外预测就会发生错误。 3.8 建模过程中应注意的问题 (13) 残差项应非自相关。否则说明 ①仍有重要解释变量被遗漏在模型之外。 ②选用的模型形式不妥。 (14)残差项不应有异方差。 (15) 避免多重共线性。 (16) 解释变量应具有外生性，与误差项不相关。 案例1：中国国债发行额模型（file:b1c4） 首先分析中国国债发行额序列的特征。1980年国债发行额是43.01亿元（占GDP的1%），2001年国债发行额是4604亿元（占GDP的4.8%）。以当年价格计算，21年间（1980-2001）增长了106倍。平均年增长率是24.9%。 案例1：中国国债发行额模型（file:b1c4） 案例1：中国国债发行额模型（file:b1c4） 建模案例2：中国客运总量模型（file:5line01） 建模案例2：中国客运总量模型（file:5line01） 建模案例2：中国客运总量模型（file:5line01） 第3章结束. Yt = -19.85 +2.30 X1t +0.77 X2t + (-2.0) (2.6) (4.2) R2 = 0.997, DW=2.0, T=13, (1990-2002) 样本外一期点预测 样本内预测评价 * 多元线性回归模型与假定条件 最小二乘法（OLS） 最小二乘估计量的特性 可决系数 显著性检验与置信区间 预测 预测的评价指标 建模过程中应注意的问题 案例分析 3.1 多元线性回归模型与假定条件 经济意义：xt j是yt的重要解释变量 代数意义：yt与xt j存在线性关系 几何意义：yt表示一个多维平面 （第2版教材第49页） （第3版教材第45页） 3.1 多元线性回归模型与假定条件 （第2版教材第51页） （第3版教材第47页） 3.2 最小二乘法（OLS） （第2版教材第55页） （第3版教材第51页） 3.2 最小二乘法（OLS） Y： 某商品需求量 X1：该商品价格 X2：消费者平均收入 （第2版教材第60页） （第3版教材第54页） = 113.83 - 8.36 X1 + 0.18 X2 (4.0) (-3.6) (0.9) R2 =0.88, F=26.4, T=10 3.3 最小二乘（OLS）估计量的特性 （第2版教材第64页） （第3版教材第58页） 3.3 最小二乘（OLS）估计量的特性 （第2版教材第62页） （第3版教材第57页） 3.4 可决系数（R2） （第2版教材第73页） （第3版教材第64页） Y：某商品需求量 X1：该商品价格 X2：消费者平均收入 （第2版教材第63页） （第3版教材第57页） （第2版教材第72页） （第3版教材第65页） 3.5 显著性检验与置信区间 （第2版教材第74页） （第3版教材第67页） 3.5 显著性检验与置信区间 （第2版教材第76页） （第3版教材第69页） (第2版教材75-78页) (第3版教材67-70页) Y：某商品需求量 X1：该商品价格 X2：消费者平均收入 例题3.1 3.5 显著性检验与置信区间 (第2版教材78页) (第3版教材70页) (第2版教材78页) (第3版教材70页) 回归系数的联合置信区间 例题3.1 ?1的置信区间上下限： -8.36 ? 2.36 ? 2.29 ?2的置信区间上下限： 0.18 ? 2.36 ? 0.20 Y：某商品需求量 X1：该商品价格 X2：消费者平均收入 单个回归系数的置信区间 3.6 预测 Y：某商品需求量 X1：该商品价格 X2：消费者平均收入 例题3.1 样本内10点与样本外1点预测 (第2版教材91-98页) (第3版教材74-79页) 样本外1点点预测与区间预测 预测的EViews操作 3.7 预测的评价指标 3.7 预测的评价指标 例题