4 一元线性回归分析的应用： ....pptVIP

供给量 (Y) 69 76 52 56 57 77 58 55 67 53 72 64 价格 （X） 9 12 6 10 9 10 7 8 12 6 11 8 （2）以95%的概率检验模型的有效性； （3）以95%的概率估计当价格X=13时，该商品的供给量。 解：（1）根据原始资料计算，运用Eviews软件计算可得 下表 Yi ? ? 要求： （1）估计供给函数：? = β 0 + β1 X i ； 【例】下表是关于某商品的供给量（公斤）与价格（元/ 公斤）的资料： * 样本供给函数为： Y?i = 33.75 + 3.25 X i * （2）从经济准则看：价格上涨，供给量增加，显然 量的离差中，有56.71%可以由价格作出解释。 ? ? ? 是合理的。软件的计算结果来看 tβ1 = 3.61 ?t0.025 (10 ) = 2.228? tβ0 = 4.08 ?t0.025 (10 ) = 2.228? 说明价格对供给量的影响是显著的，在该商品供给 ? ? ? * ( X 0 ? X ) ( X 0 ? X ) ? ? ? ? = σ? ?1 + + = σ? ?1 + + ? ? ∑ xi ? ? ∑ ( X i ? X ) ? n n （3）当X=13时，Y?13 = 33.75 + 3.25 × 13 = 76 2 2 2 SY 13 ?Y13 2 2 2 1 2 1 ? ? ? ? 2 2 1 12 48 2 1 12 48 t0.025 ? SY 13 ?Y13 = 2.228 × 54.83 = 16.50 * 因此，当价格为13元/公斤时，可以以95%的概率 估计该商品的供给量区间为： [76 ? 16.5, 76 + 16.5] [59.5,92.5] 即 * §2.4 一元线性回归分析的应用： 预测问题 一、点预测——?0是条件均值E(Y|X=X0)或 个值Y0的一个无偏估计 二、总体条件均值与个值预测值的置信区间 * 点 预 测：就是根据一个给定的解释变量的值，预测 样本回归模型经验有效后，就可以付诸应用，最 基本的应用就用它进进行经验预测。 所谓预测，就是给定解释变量的值（X0），对被解 释变量的相应值（Y0）作出估计。 预测有两种方式：一种是点预测；另一种是区间预 测。 相应的被解释变量的一个可能值。 区间预测：是根据一个给定的解释变量的值，预测相 应的被解释变量取值的一个可能范围，即 提供被解释变量的一个置信区间。 * 对于一元线性回归模型 ? ? ? Yi = β 0 + β1 X i 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； （2）随机项的影响 所以我们得到的仅仅是预测值的一个估计值，预测 值仅以某个置信度处于以该估计值为中心的一个区间 中，预测在更大程度上说是一个区间估计问题。 * 一、点预测——?0是条件均值E(Y|X=X0)或个 值Y0