管理经济学人大第四版第四章回归技术与需求估计.ppt

评价单个自变量的解释能力 t-检验 由于　具有变动性，需要确定一个区间或范围来估计参数b的真正的值。可以用以下公式估算b的95%的置信区间： 　±tn-k-1Sb 如果自变量和因变量之间没有关系，参数b将为零。因此，应检查在95%的置信区间内是否包括零值。若不是，则　所度量的X和Y之间的关系在统计上显著significant；如果包括零，则　不显著nonsignificant。 5、以模型为基础提出预测（估计值） （1）点估计 例1（续） 在回归方程确定的情况下，如果已知自变量的值，就能用回归方程预测或估计因变量的值。 即，当促销支出为180时，销售量为198.875。 （2）置信区间估计 由于回归方程的估计会有误差，预测值不能100%准确。估计值的标准差Se就是对预测值的可能误差的度量。计算公式为： 已知因变量的预测值Y′,95%的置信区间估计为： 置信区间估计 因此，促销支出为180时，销售量的95%的置信区间估计为：198.875±2.571×22.8=140.26——257.49 即，促销支出为180时，销售量有95%的可能在140.26——257.49范围内。 22.8 例1（续） 多元回归 对具有一个以上自变量的方程的参数进行估计称为多元回归multiple regression。 在多元回归中，假定其它变量的影响不变，每一个估计出来的系数是对一个变量对因变量的影响的度量。 对结果的估计和解释 ? 变量 常数 价格P 收入I 其他物品价格P0 估计的系数 50.7836 -4.9892 0.0034 -1.2801 标准差 10.2189 1.3458 0.0045 0.5890 t-统计量 (4.97) (-3.71) (0.76) (-2.71) 观察次数=182，R2=0.6837 例2： 对结果的估计和解释 常数项的估计系数表示其它变量为零时的需求量。它代表定价的最高限。 其他系数估计有关的自变量边际变化引起的需求量变化。同时应注意根据经济理论来解释所估计的变量之间的关系。 标准差表示估计值的准确度。 可决系数R2为0.6837，说明在需求量的总变差中有68%可以被价格、收入和其他物品价格解释，方程总体解释能力较强 二、回归分析中的问题 （一）变量遗漏 经济理论能用来确定哪些变量应当包括在回归方程中。但如果有的变量被遗漏了，回归分析的结果就可能产生误导。当回归结果与经济理论不一致时，重要变量的遗漏可能是个原因，这就需要在回归方程中增加新的变量。 （二）识别问题 从市场观察到的均衡价格和均衡交易量如下表： 年份 价格（元） 交易量 1 2 3 10 8 6 100 120 140 不是需求曲线 识别问题 如果没有更多的信息，是不可能知道出现的是这两种情况中的哪一种情况，因而无法识别各条分开的需求曲线。 这就是识别问题identification problem。 交易量 D S1 S2 S3 价格 a 交易量 S1 S2 S3 D1 D2 D3 价格 b （三）多重共线性 当回归方程中变量太多时，有时两个或两个以上的自变量之间高度相关，这种问题成为多重共线性(multicollinearity)。 例如：一名学生随机选出40名文学课的学生作样本，并假设课程的得分数应当和花费在该课程上的小时数和每人对教材的阅读数呈正相关。对这些数据进行了回归分析，估计出的方程为： G=50.00+0.40H+0.02P R2=0.80 (2.80)(0.80)(1.35) 多重共线性会使回归分析出现问题。如果两个变量高度相关，就很难把每个变量对因变量的影响区分开。 多重共线性 当出现多重共线性问题，系数的标准差就会较大，从而t-统计量就会较小。因此系数在统计上的显著性就会减小。如果两个变量几乎完全相关，大多数回归程序会显示无法进行回归。 解决多重共线性的一个办法是，从方程中取消一个高相关的变量。例如，在上例中假定学习时间从模型取消，新方程如下： G=60.00+0.03P R2=0.75 (2.70) (3.00) 修正后，方程仍有一个较高的R2值，P的系数为正，并在统计上显著。 第四章 需求估计需求函数的估计应注意的问题 方法 含义 优点 缺点 与统计方法 的比较 消费者调查 与一组样本消费者面谈，询问其有关产品需求方面的信息，如购买意愿、对价格变化的敏感程度、对广告宣传的了解度等。 可得到大量信息。消费者对未来经营和信用条件的预期可以对多种商品（特别是耐用品）的购买倾向提供重要看法。 许多消费者不能或不愿提供准确信息。 市场研究方法的优点在于： 对新产品价格-产量估计时，统计方法无法进行； 可能为详细说明一项统计研究的结果提供重要信息数据。 统计方法的优点在于： 提供的信