计量经济学-元线性回归模型.pptVIP

估计的Y值围绕其均值的总变异 未被解释的Y值围绕回归线的Y值的变异 总平方和（TSS）：说明实际的Y值围绕其均值的总变异 R2 测度了在Y的总变异中，由回归模型解释的部分所占的比例。 R2 越高，回归模型拟合的程度就越好。 R2 的性质： （1）非负。（2）0≤R2 ≤1 其它表达方式： 定义拟合优度R2： 例2：对例1进行拟合优度检验，并说明其意义。 2、相关系数检验 相关系数：表示两个随机变量之间的相关程度。定义为： 以样本方差和样本协方差估计X、Y的方差和协方差，样本相关系数为： 样本相关系数的平方与拟合优度相等，但二者的意义不同。 （拟合优度是回归分析中提出的，而相关系数是相关分析中提出的。） 相关系数检验的步骤： 例3，对例1进行相关系数检验。 3、F检验（总体回归方程显著性检验） 三大分布： t： 标准正态除以卡方开方的分布（注意自由度） F： 两个独立的卡方变量之商的分布（注意自由度） ：若干个独立的标准正态平方和的分布 F检验的步骤： n-1 TSS RSS/n-2 n-2 RSS ESS/1 * ** / 1 ESS 均方差MS F值 F临界值 显著性 自由度DF 平方和SS 离差平方和 方差分析（analysis of variance, ANOVA) 表 思路：若ESS / RSS 比较大，则X对Y的解释程度就比较高，可以推测总体存在线性关系。 拟合优度R2与F检验具有一致性： 例4，对例1进行F检验 解： TSS=3272.5 ESS=2707.5 RSS=565 F*=(2707.5×8)/565=38.33 38.33F0.05(1, 8)=5.32 因此,回归方程显著成立. 方差分析表: Analysis of Variance SOURCE DF SS MS F p Regression 1 2707.5 2707.5 38.34 0.000 Error 8 565.0 70.6 Total 9 3272.5 四、t检验（参数显著性检验） 计 量 经 济 学 * 第一节 概念 第二节 回归模型 第三节 参数的最小二乘估计 第四节 模型检验 第五节 预测 小结 第2章 一元线性回归模型 第一节 基本概念 1、确定性关系 若一个变量能够被一个或若干个其它变量的数值按某一规律唯一地确定。 2、非确定性关系（相关关系或回归关系） 若一个变量不能根据其它有关变量的数值精确地求出其数值，但可以通过大量的统计资料得出它们之间的数量变化规律。 3、相关分析 主要研究变量之间的相互关联程度，用相关系数表示。包括简单相关和多重相关（复相关）。 4、回归分析（Regression Analysis） 研究一个变量（因变量）对于一个或多个其他变量（解释变量）的数量依存关系。其目的在于根据已知的解释变量的数值来估计或预测因变量的总体平均值。 分析因变量与解释变量之间的统计依赖关系，目的在于通过后者的已知或设定值去估计或预测前者的均值。 这里：前一个变量被称为被解释变量（Explained Variable）或应变量（Dependent Variable），后一个（些）变量被称为解释变量（Explanatory Variable）或自变量（Independent Variable）。 回归分析构成计量经济学的方法论基础，其主要内容包括： （1）根据样本观察值对经济计量模型参数进行估计，求得回归方程； （2）对回归方程、参数估计值进行显著性检验； （3）利用回归方程进行分析、评价及预测。 例如， 函数关系： 统计依赖关系/统计相关关系： 对变量间统计依赖关系的考察主要是通过相关分析(correlation analysis)或回归分析(regression analysis)来完成的. 相关系数： 统计依赖关系 回归分析 正相关 相关分析 不相关 负相关 正相关 线性相关 不相关 负相关 有因果关系 无因果关系 非线性相关 ①不线性相