双变量线性回归模型演示文件修改版.pptVIP

第3章 双变量线性回归模型 3.1 模型的建立及其假设条件 3.2 双变量线性回归模型的参数估计 3.3 最小二乘估计量的统计性质 3.4 用判定系数检验回归方程的拟合优度 3.5 回归系数估计值的显著性检验与置信 区间 3.6 双变量线性回归方程的预测 3.1 模型的建立及其假设条件 3.1.1回归的概念 3.1.2回归分析的概念 3.1.3双变量线性回归模型 3.1.4随机误差项的假设条件 3.1.1回归的概念 回归到平均(1886年英国生物学家F.高尔顿在遗传学研究中首先提出的) 3.1.2回归分析的概念 ●回归分析是处理变量与变量之间关系的一种数学方法。 ●回归分析是关于研究一个应变量对另一个或多个解释变量的依赖关系，其用意在于通过后者的已知或设定值，去估计或预测前者的均值。 各种经济变量之间的关系，可以划分两种类型： １．确定关系（函数关系） 隐函数： 显函数： ２．非确定关系 ●须注意：回归分析是关于研究一个应变量对另一个或多个解释变量的依赖关系，但它并不一定标明因果关系的存在。也就是说，它并不意味着自变量是原因，而应变量是结果。 ●因为绝大多数经济变量都受到多种其他经济变量的影响，变量之间有完全确定的函数关系的情况在经济问题中很少见，所以，计量经济学的任务不是去研究有确定关系的经济变量的关系，而是研究具有非确定关系的各经济变量的关系。 3.1.3双变量线性回归模型 ————被解释变量 ————解释变量 一个被解释变量和一个解释变量——双变量 “线性”意味着： 而且Y与参数之间为线性关系，即： “模型”一词通常指满足某些假设条件的方程或方程组。 ————随机误差项 ————回归系数 ————随机误差项中一般包括以下几个因素： （１）回归模型中省略的变量 （２）人们的随机行为 （３）建立数学模型的形式不够完善 （４）经济变量之间的合并误差 （５）测量误差 （２） 称为总体回归直线 在实践中，双变量线性回归模型应用于因变量和解释变量的一组具体的观测值，因而模型表示为： 它表明，对于任意i，该模型都成立。 3.1.4随机误差项的假设条件 １． ２．　　　 ３． ４． ５． 3.2双变量线性回归模型的参数估计 3.2.1普通最小二乘法 3.2.2几个常用的结果 3.2.3截距为零的双变量线性回归模型的参数 估计 3.2.1普通最小二乘法 ●双变量线性回归模型 　 　　　　　 总体回归模型 ●总体回归方程或总体回归线 ●假定给出样本观测值 n，n为样本容量 ●样本回归模型 ● ● 是 的估计值 ● 是 的估计值 ● 是 的估计值 ●样本回归方程： ●显然 ● ● ●这里： ● ● ● 样本值与其平均值的离差 ● 样本值与其平均值的离差 3.2.2几个常用的结果 ●１． ●２． ●３．样本回归直线经过点（ ， ） ●4． 被解释变量的样本平均值 等于其估计值的平均值 3.2.3截距为零的双变量线性回归模型的参数 估计 3.3最小二乘估计量的统计性质 3.3.1线性性 3.3.2无偏性 3.3.3最小方差性 3.3.1线性性 和 可以表示为 的线性组合。 3.3.2无偏性 3.3.3最小方差性 ● n的方差，也叫总体方差。 ●最优线性无偏估计量：由于最小二乘估计量、具有线性性、无偏性、最小方差性，因此被称为最优线性无偏估计量，简称BLUE性质。 3.4用判定系数检验回归方程的拟合优度 3.4.1总离差平方和的分解 3.4.2样本判定系数 3.4.3样本相关系数 3.4.1总离差平方和的分解 —————————总离差 ———————未被解释的部分 ————————被解释的部分 ●● TSS=RSS+ESS ● ————－总离差