中央财经大学统计学课件7相关与回归幻灯片.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 24 * 注意，Y实际为随机变量。X一般为定植 * * * * * * * * * * * * * * * * * * * * * * * 中央财经大学统计学院 * 逐步回归结果 中央财经大学统计学院 * 使用默认设置，逐步回归得到的最终模型 中央财经大学统计学院 * 7．4 回归分析的其他问题 非线性回归 违背回归模型统计假设的后果和补救方法 中央财经大学统计学院 * 非线性回归分析 如果y 与 x 之间不是线性关系，通常也可以可通过变量代换使其转换成线性模型，然后再对线性模型进行估计。 但并非所有的非线性模型都可以化为线性模型。 中央财经大学统计学院 * 在对实际的客观现象进行定量分析时，选择回归方程的具体形式应遵循以下原则： 方程形式应与有关实质性科学的基本理论相一致。例如，采用幂函数的形式，能够较好地表现生产函数；采用多项式方程能够较好地反映总成本与总产量之间的关系等等。 方程有较高的拟合程度。 方程的数学形式要尽可能简单。 非线性函数形式的确定 中央财经大学统计学院 * 几种常见的非线性模型 指数函数 线性化方法 两端取对数得：lny = ln? + ? x 令：y = lny，则有y = ln? + ? x 基本形式： 图像 ? ? ? ? ? 中央财经大学统计学院 * 几种常见的非线性模型 幂函数 线性化方法 两端取对数得：lg y = lg? + ? lg x 令：y = lgy，x= lg x，则y = lg? + ? x 基本形式： 图像 0? 1 ? ? 1 ? = 1 -1? 0 ? -1 ? =-1 中央财经大学统计学院 * 几种常见的非线性模型 ? 双曲线函数 线性化方法 令：y = 1/y，x= 1/x, 则有y = ? + ? x 基本形式： 图像 ? 0 ? 0 中央财经大学统计学院 * 几种常见的非线性模型 对数函数 线性化方法 x= lgx , 则有y = ? + ? x 基本形式： 图像 ? ? 0 ? 0 中央财经大学统计学院 * 几种常见的非线性模型 S 型曲线 线性化方法 令：y = 1/y，x= e-x, 则有y = ? + ? x 基本形式： 图像 中央财经大学统计学院 * OLS估计需要一系列的假设条件； 在实际应用中这些假设条件能够同时得到满足的情况不多见。对这些假设条件的检验以及采取相应的补救措施就成为回归分析的重要任务之一。 通过模型理论方法的发展，可以克服违背基本假设带来的问题。 违背回归模型统计假设的几种情况和后果 中央财经大学统计学院 * 异方差问题（违背同方差假设） 序列相关问题（违背序列不相关假设） 多重共线性问题（违背解释变量不相关假设） 违背回归模型统计假设的常见情况 中央财经大学统计学院 * （1）异方差 当回归模型随机误差项et的方差不为常数时，即为异方差（Heteroscedasticity）现象： 当异方差出现时，回归模型的估计量不再具有最小方差的性质，因此不再保持有效性；同时，我们此前介绍的t检验也失效，无法对回归系数的显著性进行检验。 中央财经大学统计学院 * 同方差 x1 x2 X e Y 随着x变化随机扰动项e的方差不变 中央财经大学统计学院 * 异方差 x1 x2 X e 随着x增加随机扰动项方差增大 Y 中央财经大学统计学院 * （2）序列相关 随机误差项之间的协方差不为零时，即存在序列相关（Serial Correlation），又称自相关。 序列相关的后果： 尽管普通最小二乘估计量仍为无偏估计量，但不再具有最小方差的性质，即不是“最优线性无偏估计量”； 回归系数的显著性检验失效。 中央财经大学统计学院 * （3）多重共线性 完全多重共线性：一个自变量可以表示为其他自变量（包括常数项）的线性函数。 后果：违背基本假设，模型的参数无法估计。需要去掉一个自变量。 例如：在以下回归模型中，存在完全多重共线性： 因变量：消费 自变量：第一产业增加值；第二产业增加 值；第三产业增加值；GDP。 中央财经大学统计学院 * （3）多重共线性 高度多重共线性：如果某两个或多个解释变量之间出现了高度的相关性，则称为高度多重共线性。 例如：在以下回归模型中，应该会有高度的多重共线性： 因变量：消费； 自变量：收入、 财富。 中央财经大学统计学院 * 高度多重共线性的