第9章相关分析与回归分析.ppt

* 3. 在一元线性回归中，等价于回归方程的显著性检验 检验 x 与 y 之间是否具有线性关系，或者说，检验自变量 x 对因变量 y 的影响是否显著 2. 理论基础是回归系数 的抽样分布 * 是根据最小二乘法求出的样本统计量，它有自己的分布 的分布具有如下性质 分布形式：正态分布 数学期望： 标准差： 由于?无未知，需用其估计量Sy来代替得到 的估计的标准差 * 的抽样分布 提出假设 H0: b1 = 0 (没有线性关系) H1: b1 ? 0 (有线性关系) 计算检验的统计量 * 确定显著性水平?，并进行决策 ? t?t???，拒绝H0；? t?t???，接受H0 提出假设 H0：b1 = 0 人均收入与人均消费之间无线性关系 H1：b1 ? 0 人均收入与人均消费之间有线性关系 计算检验的统计量 * t=65.0758t???=2.201，拒绝H0，表明人均收入与人均消费之间有线性关系 ?对前例的回归系数进行显著性检验(?＝0.05) * 设定模型： 1995-2005年的样本数据 参数估计： 模型估计结果： 年份 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 Y 14.4 14.4 14.4 14.7 17.0 16.3 18.0 18.5 18.2 19.3 17.1 X 847.3 851.0 884.2 903.7 984.1 1035.3 1200.9 1289.8 1432.9 1539.0 1633.6 * 例1：由前面的估计结果可计算出 有数据Y可计算出： * 估计 ： 给定 查df=9的t分布临界值 参数区间估计： * * 计算统计量 判断：因 ，拒绝 说明 显著不为0，X对Y有显著影响 参数的显著性检验举例 经过模型的估计、检验，得到一系列重要的数据，为了简明、清晰、规范地表述这些数据，计量经济学通常采用了以下规范化的方式： 例如：回归结果为 * 标准误差SE t 统计量 可决系数和自由度 根据自变量 x 的取值估计或预测因变量 y的取值 估计或预测的类型 点估计 y 的个别值的点估计 区间估计 y 的平均值的置信区间估计 y 的个别值的预测区间估计 * * 2. 点估计值有 y 的个别值的点估计 对于自变量 x 的一个给定值 x0 ，根据回归方程得到因变量 y 的一个估计值 ? y 的个别值的点估计 * 利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的一个个别值的估计值 ，就是个别值的点估计 2. 比如，如果我们只是想知道1990年人均国民收入为1250.7元时的人均消费金额是多少，则属于个别值的点估计。根据估计的回归方程得 点估计不能给出估计的精度，点估计值与实际值之间是有误差的，因此需要进行区间估计 对于自变量 x 的一个给定值 x0，根据回归方程得到因变量 y 的一个估计区间 区间估计有两种类型 置信区间估计 预测区间估计 * （一）相关系数是说明变量之间线性联系程度的，相关系数很小的变量间可能存在非线性联系。 * （二）相关系数不能解释两变量间的因果关系，警惕虚假相关导致的错误结论。 （三）不要在相关关系据以成立的数据范围以外，推论这种相关关系仍然保持。 本节内容 一、回归分析的概念及种类 二、标准的一元线性回归模型 三、回归估计标标准误差 四、可线性化的常用曲线类型 * 1、什么是回归分析 回归：退回。回归一词是由英国生物学家F.Galton在研究人体身高的遗传问题时首先提出的。 * 回归分析是通过数学模型来研究一个变量（称因变量）对另一个或多个变量（称自变量）的数量变化规律，为估计预测提供一个重要的方法。 变量之间的数量变化规律，是指当自变量发生一定量变化时，平均说来因变量会发生多大量的变化。 二者的联系：两者都是研究变量之间的相关关系。相关分析是回归分析的基础和前提，回归分析是相关分析的深入和继续。 根据相关分析可以判断变量间联系的密切程度，进而确定有无必要建立回归方程。只有当变量间有较密切的相关关系时，回归方程才有作用。反过来，若建立了回归方程，可以通过对回归系数的检验，来判断变量间是否存在显著相关。 * * 二者的区别：