[经济学]第三讲 一元线性回归模型.ppt

（二）区间预测 （1）构造枢轴变量 2、 Y个别值 的区间预测 （二）区间预测 （1）构造枢轴变量 2、 Y个别值 的区间预测 （二）区间预测 2、 Y个别值 的区间预测 （2）构造概率为 的事件 （二）区间预测 2、 Y个别值 的区间预测 （3）反解不等式 SRF Y的个别值的置信区间 Y均值的置信区间 （二）区间预测 图3-9 Y均值和个别值的置信区间 （二）区间预测 （二）区间预测 （一）拟合优度检验 2、总离差分解 图3-7 总离差分解示意图 （一）拟合优度检验 2、总离差分解 （一）拟合优度检验 2、总离差分解 （1）总离差平方和（Total Sum of Square，TSS） （2）回归平方和（Explained Sum of Square，ESS） （3）残差平方和（Residual Sum of Square，RSS） 3、可决系数R2——拟合优度的指标 （一）拟合优度检验 ——回归平方和ESS占总离差平方和TSS的比重。 （1）可决系数R2 （2）作用 ——可决系数越大，说明由解释变量解释了的那部分离差占总离差的比重越大，模型对样本观测值的拟合程度越好，即模型的解释能力越强。 （一）拟合优度检验 3、可决系数R2 （3）特点 可决系数取值范围： 可决系数是随抽样而变动的随机变量； 可决系数是非负的统计。 （1）联系 4、可决系数与相关系数的关系 （一）拟合优度检验 ——数值上，可决系数等于被解释变量与解释变量之间简单相关系数的平方，即： （一）拟合优度检验 4、可决系数与相关系数的关系 （2）区别 可决系数 相关系数 就模型而言 就两个变量而言 说明解释变量对被解释变量的解释能力 度量两个变量线性依存程度 度量不对称的因果关系 度量不含因果关系的对称相关关系 取值：[0，1] 取值：[-1，1] 表3-4 可决系数与相关系数的关系 （一）拟合优度检验 4、可决系数与相关系数的关系 Note： （1）在多元线性回归模型中，可决系数只说明所有解释变量对被解释变量的联合影响程度，并不说明模型中每个解释变量的影响程度； （2）若建模的目的是经济结构分析时，要得到总体回归系数可信的估计量，就不能只追求较高的可决系数，因可决系数高并不表示每个回归系数都可信； （3）若建模的目的仅为了预测被解释变量值，不是为了正确估计回归系数，一般可考虑较高的可决系数。 （二）方程显著性检验 知识体系 1、自由度df（★ ★ ★ ★） 2、构造F统计量（★ ★ ★） 2、F检验的步骤（★ ★） （二）方程显著性检验 1、自由度（degree of freedom, df） ——在数学中，指能够自由取值的变量个数；在统计学中，指计算某一统计量时，取值不受限制的变量个数。 （1）含义 ——n为样本含量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的个数。 （2）计算 df=n-k （二）方程显著性检验 1、自由度df （3）判断准则 ——统计量的df，取决于样本容量n与引入的独立统计量个数k之差； ——抽样分布的df，取决于构造抽样分布的统计量中自由度最小的统计量。 ——回归模型的df，取决于模型中能够自由取值的变量个数。 1、自由度df （二）方程显著性检验 （4）举例 表3-5 一元线性回归模型的df 项目 一元线性回归模型 样本回归模型 样本回归函数 TSS ESS RSS Note：在回归模型中， 看作常数，而在回归函数中，却看作随机变量。 表3-6 多元线性回归模型的df 项目 多元线性回归模型 样本回 归模型 样本回 归函数 TSS ESS RSS Note：在回归模型中， 看作常数，而在回归函数中，却看作随机变量。 2、构造F统计量 （二）方程显著性检验 3、F检验的步骤 （二）方程显著性检验 （1）分析问题，提出假设 （2）确定检验的统计量 （3）构造小概率事件 （4）计算检验统计量，判断其落入的区域 （三）变量显著性检验 知识体系 1、构造T统计量（★ ★ ★） 2、T检验的步骤（★ ★） （三）变量显著性检验 1、构造T统计量 2、T检验的步骤 （三）变量显著性检验 （1）分析问题，提出假设 （2）确定检验的统计量 （3）构造小概率事件 2、T检验的步骤 （三）变量显著性检验 （4）计算检验统计量，判断其落入的区域 四、模型应用（★ ★ ★） 知识体系 （一）点预测 （二）区间预测 （一）点预测 知识体系 1、Y的条件均值 的点预测 2、Y的个别值 的点预测 （一）点预测 基本思