数理统计课堂报告-.pptx

影响汇率的因素分析目录：1.选题背景及其意义2.分析方法：探索性分析，多元回归分析；3.主要步骤：数据准备---建立模型---结果分析4.致谢 选题背景及其意义汇率产生于商品交易和货币运动越出国界时是两种不同货币之间的比价，反映了一个国家货币的对外价值。 汇率的失衡或错估，不仅会破坏经济的外部均衡，而且会给国内宏观经济稳定和可持续的经济增长带来一系列不利影响。故对于指导汇率政策的制定、预测汇率变化的趋势、优化投资策略，以及研究与汇率有关的生产消费等问题都有重要的应用价值。 美联储现任主席珍妮特·耶伦我们主要选取了部分经济特征指标，包括GDP、通货膨胀、利率、净出口规模和外汇储备等，定量地研究这些因素对我国汇率变化的影响。 一个国家汇率的变动受到多种因素的影响，包括经济因素、政治因素、心理因素等，具体有国际收支、经济增长率、通货膨胀、财政赤字、利率、外汇储备和心理预测等。 分析方法：探索性分析探索性数据分析可以作为我们认识数据和问题的有力工具，同时也是正式建立统计分析模型之前的铺垫，是科学的统计分析的一个重要环节。 探索性数据分析的特点： 完全从客观数据出发，而不是从某种假定出发。多数的统计模型都是以概率论为理论基础的，先假定数据服从某种分布，然后用适用该分布的模型进行拟合、分析和预测。但客观实际的数据并不总是满足理论上的分布，因而这些方法具有极大局限性。 而探索性数据分析在研究数据的内在特征、数量间的关系和变化时，所用方法会尽可能服从于数据特点和研究目的，且更重视数据特征的稳健性。此外，该分析工具简单直观，更易于普及。多元回归分析 分析方法：多元线性回归，就是有多个自变量的线性回归，也叫复回归。其数学模型为：,j =1,2,3,……,k截距：常数项(constant)偏回归系数：误差：残差?好的回归方程不但方程显著，而且每个自变量的偏回归系数也显著。 多元回归分析的基本假设：相关存在性：就自变量X1，X2，X3，……XK的特殊组合而言，Y变量（单变量）是一个随机变量，具有某种概率分配，有一定的平均数及变异数，各个变量之间都存在显著相关关系。独立性：每一个观察值Y彼此间是统计独立的，观察值间没有关联，即非共线性。直线性：Y 变量的平均数是变量X1，X2，X3，……XK间的线性函数，此线性函数关系即回归方程。方差齐性：就X1，X2，X3，……XK任何一个组合而言，因变量Y的变异数均相同。正态性：就任何X1，X2，X3，……XK的线性组合而言，因变量Y的分配是正态的。1.方程显著性检验(F检验) F检验是以方差分析为基础,对回归总体线性关系是否显著的一种假设检验,是解释模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著的方法；利用F统计量进行总体线性显著性检验的步骤如下: (1)提出关于P个总体参数的假设 : b1=b2=…=bp=0； (2)构造统计量： (3)检验 给定显著性水平α,查F分布表 若FFα, 拒绝H0,表明回归总体有显著性关系. 若FF α,接受原假设,表明不存在线性关系?2.回归系数显著性检验: 回归系数显著性检验,是对每个解释变量进行检验.如果解释变量对被解释变量的影响不显著,应从模型中删除,如果解释变量对被解释变量的影响显著,应保留在模型中.利用t统计量进行参数显著性检验的步骤如下: (1)对总体参数提出假设: H0: bi=0; (2)构造统计量: (回归标准差) (3)检验: 对给定α, 若︱t︱t α /2,说明拒绝原假设; 若︱t︱t α /2,则接受原假设;3.复相关系数和偏相关系数:1.复相关系数R:复相关系数R是由SSR和SST构造的统计量，用来表示回归方程对原有数据拟合程度的好坏，衡量作为一个整体的x1,x2,…,xp与y的线性关系的大小。2.偏相关系数:其它变量被固定后，计算任意两个变量之间的相关系数，这种相关系数称为偏相关系数。在多元回归分析中，偏相关系数才真正反映因变量y与自变量xi以及自变量 xi与xi的相关性的数量。4.筛选自变量:在建立回归方程之前，任何自变量都可以作为进入方程的目标。但对于因变量而言，只有那些对因变量具有预测作用的自变量才能被选中。选择的依据是对回归系数做显著性检验，只有能够显著地预测因变量的自变量才会被选择进来。筛选自变量的方法1向前选择 (Forward)基本过程：首先将与因变量有最大正相关或最大负相关的变量进入方程，然后按假设H0：“进入方程的变量系数为零”进行F检验，检验的标准有两个： (1)只有当F检验显著时（概率小于或等于概率），变量才能进入回归方程; (2)必须达到F统计量的最小值（一般意义上的显著性检验）; 注意： 随着变量加入到方程中，残差平方和变化的自由度在增加，使得第一种标准的显著性水平依赖于方程