ch2-一元线性回归模型.ppt

* Y X 0 * * * * * * * △ * * * * Y9 总离差平方和的分解 * 由回归方程解释的部分，表示解释变量X对Y的线性影响 残差项，表示回归方程不能解释的部分 总离差平方和（TSS） 回归平方和（RSS） 残差平方和（ESS） 总离差平方和的分解 * 平方和分解的意义 TSS=RSS+ESS 被解释变量Y总的变动（差异）= 解释变量X引起的变动（差异） + 除X以外的因素引起的变动（差异） 如果X引起的变动在Y的总变动中占很大比例，那么X很好地解释了Y；否则，X不能很好地解释Y。 * 样本决定系数（Determinants of coefficient）R2 残差的标准差（或随机项μ的方差σμ2)的最小二乘估计量 拟合优度评价 * 相关系数 计算方法与样本决定系数一样 含义有所不同： 样本决定系数是判断回归方程与样本观测值拟合优度的一个数量指标，隐含的前提条件是X和Y具有因果关系 相关系数是判断两个随机变量线性相关的密切程度，不考虑因果关系。 * 注意英文缩小的含义 TSS：Total Square Sum / 总离差平方和 RSS： Regression Square Sum / 回归平方和 Residual Square Sum / 残差平方和 ESS Error Square Sum / 误差平方和（残差平方和） Explain Square Sum / 解释平方和（回归平方和） * 四. 参数估计值的显著性检验(t检验) 检验回归方程中每个解释变量的统计显著性 检验统计量 t 自由度为（n-2）的 t 分布 给定显著性水平 α，若 则所检验的解释变量具有统计显著性 * 五. 模型整体的显著性检验（F检验） 检验估计的回归方程作为一个整体的统计显著性 F 检验的统计量，该统计量服从自由度为（1，n-2）的 F 分布 给定一个显著性水平 若 F F (1, n-2)，则通过方程显著性检验 若 F F (1, n-2)，则未通过方程显著性检验 * 六. 模型预测 点预测 * 区间预测 构造 则有 即 构造 Y0的的置信区间 * 一元线性回归模型举例 研究我国固定资产投资总额与GDP的关系 第一步：建立模型 第二步：收集数据 采用1980~1998年的数据，数据来源《中国统计年鉴(2000)》 说明：在理论经济学中I表示私人部门投资，在我国的统计体系中，固定资产投资总额既包括私人部门投资，也包括公共部门（政府）的投资 * 举例 第三步：参数估计(OLS)，得 * 举例 第四步：模型检验 经济意义检验：b1的经济含义是固定资产投资乘数，肯定大于1，按我国的实际情况，不是很大，估计在4或5以下，通过检验 统计检验：拟合优度检验、参数估计值显著性检验、模型显著性检验 计量经济检验（异方差、序列资相关、随机解释变量、多重共线性） 模型预测检验 * 统计检验-拟合优度检验 样本决定系数 线性模型解释了因变量的99.29%，拟合程度很好 * 统计检验-参数估计值显著性t检验 提出原假设： 备择假设： 构造统计量 计算得 检验:取 =5%，查表得 拒绝原假设，b1显著不为零 * 统计检验-方程显著性F检验 提出原假设： 备择假设： 构造统计量 计算得 检验：取 =5%，查表得 拒绝原假设，b1显著不为零，线性关系显著 * 预测 点预测 1999年固定资产投资总额29854.7亿元 区间预测 第二章 一元线性回归模型 * 主要内容 一元线性回归模型 模型参数估计（最小二乘法） 样本决定系数与拟合优度检验 回归参数估计值的显著性检验 模型整体的显著性检验 一元线性回归模型预测 参数估计 假设检验 * 背景知识：两个变量的协方差 X Y X Y 协方差为正 协方差为负 pij是X和Y的联合概率 * 一. 一元线性回归模型的概念 1.回归模型 确定关系 （函数关系） 相关关系 (随机关系) 因果关系 Y=f(X) 相关模型 回归模型 (X的变化是Y的变化的原因) * 随机项μ的构成 模型中省略的变量 随机因素 测量误差 确定数学模型形式的误差 * 2.线性回归模型 模型的基本形式 Y = β0+β1X1+β2X2+β3X3+………+βiXi+μi 基本假设 解释变量 Xi 是确定性变量，不是随机变量；解释变量之间互不相关； 随机误差项具有0均值和同方差； 随机误差项不存在序列相关关系； 随机误差项与解释变量之间不相关； 随机误差项服从0均值、同方差的正态分布。 * 3.一元线形回归模型 只含有一个解释变量的线形回归模型 满足基本假设： 1 E（μi）= 0 2