[经济学]第二章 一元线性回归模型计量经济学.ppt

台州学院《计量经济学》讲义 第二章 一元线性回归模型 第一节 一元线性回归模型及其假设 第二节 模型参数估计与统计量的性质 第三节 一元线性回归模型的检验与预测 第四节 几个应当注意的问题 第五节 一元线性回归模型的应用 第一节 一元线性回归模型及其假设 一、回归分析和相关分析 相关关系的概念 回归分析与相关分析 相关分析以相关系数为对象，通常用相关系数表示 回归分析研究因变量和自变量之间的数量变动关系 第五节 一元线性回归模型的应用 例1：菲利普斯曲线 例2：根据美国1962-1977年的数据，得到如下的汽车需求函数： 对b建立一个95%的置信区间； 假设检验：该置信区间包括b=0。如果不包括，那么接受零假设吗？ 在H0：b=0下，计算t值，在5%的显著性水平下，它是统计显著吗？ 实际可支配收入 私家车零售数量 接受零假设 例3：利用给出的2008年我国城镇居民人均消费支出与人均可支配收入数据（数据来源：中国统计年鉴2009），回答问题： 1、建立一元线性回归模型，写出回归方程，如何解释斜率？ 2、给出显著性水平5%，对参数进行显著性检验 3、弹性定义为自变量变动百分之一所引起的因变量变动的百分比，用数学形式表示为弹性=斜率*（x/y）。假设仅根据2得到的回归结果，能求出支出对收入的弹性吗？如果不能，计算此弹性还需要其它什么信息？ 4、如果增加一个地区，该地区年可支配收入是12000元，求该地区的消费支出的点预测值，和该地区人均消费支出95%置信水平的区间预测。 * * 回归分析方法 研究因变量随自变量变化的关系形式的分析方法 常见的分类： 一元回归和多元回归 线性回归和非线性回归 普通回归和带虚拟变量的回归 无自回归的回归模型和自回归模型 相关系数的取值范围为[-1,1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。 二、一元线性回归模型 随机扰动项 自变量、解释变量 被解释变量、预测对象 随机扰动项 自变量、解释变量 被解释变量、预测对象 随机扰动项 自变量、解释变量 被解释变量、预测对象 三、假设条件 假设1： 理论回归直线 假设2： 等方差性 “高斯-马尔可夫假设” 无序列相关性 假设3： 为非随机变量 第二节 模型参数估计与统计量的性质 一元线性回归模型 估计误差、残差 最小二乘法的主要思想：为观测值配合一条较为理想的回归直线，两点要求：原观测值和模型估计值的离差平方和最小；离差总和为0. 回归参数的估计值为： 某地区居民家庭可支配收入xt与家庭消费支出yt的资料如右表所示（单位百元）。 要求：建立居民家庭消费支出yt对家庭可支配收入xt的回归直线方程；指出居民可支配收入每增加200元时，家庭消费支出增加多少。 第三节 一元线性回归方程的检验与预测 回归直线是否有意义，可否能用于预测或控制？需要通过显著性检验 相关系数检验法 F检验法 T检验法 一、离差平方和的分解和可决系数 离差平方和的分解 总离差 TSS, Total Sum of Squares RSS, Residual Sum of Squares ESS, Explained Sum of Squares 可决系数（决定系数） 相关系数R 二、回归方程的检验 相关系数检验法 计算相关系数 根据回归模型的自由度（n-2）和给定的显著性水平，从相关系数临界值表中查出临界值 判别， F检验法 构造F统计量 F统计量服从第一自由度为1，第二自由度n-2的F分布。 t检验法 构造t统计量 t统计量服从自由度为（n-2）的t分布 三、一元线性回归预测区间 点估计 预测区间：在一定的显著性水平上，依据数理统计方法计算出的包含预测对象未来真实值的某一区间范围。 点估计值 的统计性质 总体方差 的无偏估计量 的无偏估计量 预测值和预测区间 设预测点为（ ， ），则预测值为 其预测误差为 可以得出： 预测区间为 第四节 几个应当注意的问题 一、重视数据的收集和甄别 一些变量无法直接观测，一些现实数据不能公开 数据缺失或出现异常数据 数据量不够，样本太小 数据不准确、不一致、有矛盾 二、合理确定数据的单位 适当的选取变量的单位，使模型中各变量的数量级大体一致