第二章--一元线性回归模型.pptVIP

第二章 一元线性回归模型 建立模型是计量经济学的核心，我们首先介绍最简单的模型——一元线性回归模型，该模型的特点是只有两个变量（自变量和因变量），而且函数形式为线性。 第一节 回归分析和回归方程 2.1 回归分析 1.含义 经济变量之间的关系，大体可以分为两种类型： 函数关系 随机关系 (相关关系) 随机关系的基本特征是一个变量不能根据其他变量的数值,精确地、一一对应地求出其数值，但我们可根据大量统计数据找出其数量变化方面的统计规律，这种统计规律即回归关系，表示这种规律的数学公式称为回归方程，有关回归关系的计算方法和理论称为回归分析。 从散点图(Scatterplot)可以看出，各个家庭的消费支出存在差异，但是各组家庭的平均消费支出随着收入水平的提高也在不断增加，消费支出的条件均值都落在一条直线上，这条直线描述了家庭收入变化时，消费支出的平均变化规律。 2.1.1 总体回归方程 图2－1中的直线称作总体回归直线，其对应的线性方程 称作总体线性回归方程，系数 称为总体回归参数。 2.1.2 样本回归方程 从前面所举的例子中可以看出，只有了解总体的概率分布，才能够确定总体回归方程，但是在现实的经济生活中，一般没有办法获得总体的数据，只能从总体中得到样本数据，利用样本信息对总体进行推断。设样本回归方程为： 2.1.3 随机干扰项产生原因 1、模型中被忽略因素的影响 2、模型函数形式设定误差 如采用线性函数代替非线性函数 3、数据的测量误差 登记性误差 代表性误差 4、随机因素的影响 例2.1 我国税收预测模型 2.3 普通最小二乘估计量的性质和分布 2.3.1 最小二乘估计量的性质 1、线性 即估计参数 因变量 的线性组合 2.无偏性 3、最小方差性 在所有的线性无偏估计量中，最小二乘估计量的方差是最小的 2.3 .2 估计参数的概率分布 2.4 随机误差项方差的估计 2.5 一元线性回归模型的统计检验 2.5.1 拟合优度检验：对样本回归直线和样本观测值之间拟合优度的检验 2.5.2 参数显著性检验 在一元线性回归模型中，还需要对回归参数进行检验，也就是检验 2、检验步骤 第一次作业 研究某国货币数量Y 和国民收入X 之间的关系，随机抽取了12年进行调查，得到右表中资料： (1) 试建立货币数量Y 对国民收入X 之间的一元线性回归模型； (2) 计算线性回归模型的拟合系数， 并解释其经济意义； (3) 在5%的显著性水平下,计算斜率系数的 t检验值，判断其是否通过参数显著性检验。 2.6 一元线性回归模型的预测 点预测 总体均值的预测 总体个值的预测 2.6.1 点预测 2.6.2 总体均值预测值的置信区间 2.6.3 总体个值预测值的预测区间 现在可以回到例2.1中，计算该线性回归模型的拟合系数 拟合系数的经济意义 线性回归模型的拟合效果是比较好的 为此提出假设 在前面已经推导过回归参数服从概率分布 从而可以构造统计量 1、检验原理 但是由于总体方差和标准差未知，因此只能用其估计量进行代替，此时Z不再服从正态分布，而是服从t分布 ①对总体参数提出假设 ②对原假设构造统计量 ③给定显著性水平，查自由度为n-2的t分布表，得到临界值 再次回到例2.1中，对模型的斜率系数进行参数显著性检验 现在已经计算出 还没有计算出斜率参数的标准差，前面已经证明斜率参数的方差 这个公式中，总体随机误差项方差 未知，只能用其估计 因此拒绝原假设，可以认为自变量和因变量之间存在显著的线性关系 5.8 12.4 12 5.2 11.2 11 5.0 10.0 10 4.8 9.7 9 4.6 9.0 8 4.2 8.4 7 4.0 7.7 6 3.3 7.2 5 3.6 7.0 4 3.2 6.0 3 2.5 5.5 2 2.0 5.0 1 货币数量Y(单位：亿元) 国民收入X(单位：千元) 年份 回归系数 表明国民收入每增加1千元，货币数量平均增加0.4852万元 样本回归方程为 斜率系数通过参数显著性检验。 对于一元线性回归模型 给定样本以外的解释变量的观测值X0，可以得到被解释变量的点预测值?0 ，可以此作为其条件均值E(Y|X=X0)或个别值Y0的一个近似估计。 注意： 严格地说，这只是被解释变量的预测值的估计值，而不是预测值。 原因:（1）参数估计量不确定；