计量经济学 一元线性回归分析的应用：预测问题.pptVIP

§2.4 一元线性回归分析的应用：预测问题(教材P50) 如果所建立的计量经济模型通过了经济意义检验等各种检验，那么可以根据该模型对被解释变量进行预测。 所谓预测，既可以是对被解释变量未来时期的动态预测（基于时间序列数据建立的计量模型），也可以是对被解释变量在不同空间状况的空间预测（基于横截面数据建立的计量模型） 预测的基本方法是：首先将解释变量预测期的值X0代入所估计的模型，求得被解释变量预测期的估计值?0，然后在此基础上构造被解释变量的条件均值E(Y|X=X0)或个别值Y0的置信区间。 §2.4 一元线性回归分析的应用：预测问题(教材P50) 一、?0是条件均值E(Y|X=X0)或个别值Y0的一个无偏估计 二、条件均值E(Y|X=X0)与个别值Y0的置信区间 所以，给定样本以外【也即“预测期”】的解释变量的值X0，依据样本回归方程得到的?0 仅仅是预测期条件均值E(Y0)[注：简写符号，见教材P52 ]或个别值Y0的一个点估计值，而预测期的条件均值E(Y0)或实际值Y0仅以某一个置信水平被以该估计值为中心的一个区间所包含。 换句话说，对样本以外的被解释变量进行预测，是一个区间估计问题。 所以 因此，总体均值E(Y0)的95%的置信区间为： * 所以，这一节着重讲下面两个问题： 先看教材P50的引言： 对于一元线性回归模型 给定样本以外【也即“预测期”】的解释变量的观测值X0，可以得到被解释变量的预测值?0 。该值可以作为被解释变量的条件均值E(Y|X=X0)或个别值Y0的一个近似估计。 但是严格地说，这只是被解释变量预测期实际值的一个估计值，而不是预测期的实际值。原因: （1）参数估计量是不确定的，随样本而变； （2）预测期随机干扰项?0的影响。 引 言（注意教材p50的某些表述不准确） 一、?0是条件均值E(Y|X=X0)或个别值Y0的一个无偏估计（见教材p50） （1）对于总体回归函数E(Y|X)=?0+?1X，当X=X0时 E(Y|X=X0)=?0+?1X0 于是 可见，?0是条件均值E(Y|X=X0)的无偏估计。或者说，?0是条件均值E(Y0)的无偏估计。 （2）对于总体回归模型Y=?0+?1X+?，当X=X0时 于是 于是 可见，?0也是个别值Y0的无偏估计。 二、被解释变量条件均值E(Y0)与个别值Y0的置信区间 1、条件均值E(Y0)的置信区间 （教材p50-51） 由于 并且 因此 故 可以证明（参见潘文卿、李子奈《计量经济学学习指南与练习》P16例10） 又因 所以，可以构造如下的t统计量： （有补充） （参见周纪芗《回归分析》P14） 于是，在1-?的置信度下总体均值E(Y0)的置信区间为 记 则上述t统计量可以写为 这就是教材P51所讲的： 或 2、个别值Y0的预测区间 （教材p51-52，有补充） 由 Y0=?0+?1X0+?0 知: 于是 而?0与Y0是独立的，且 又因 所以，可以构造如下的t统计量： 记 从而在1-?的置信度下，Y0的置信区间为 则 例 在P37-38例2.3.1的可支配收入－消费支出例子中，得到的样本回归函数为: （见教材P52) 则当X0=1000时， ?0 =142.4+0.0670×1000=812.4 而 ?0 =142.4+0.0670Xi 同样地，由于 (补充) 812.4-2.306?27.6 E(Y0) 812.4+2.306?27.6 或 （748.8元, 875.9元） 812.4 - 2.306?59.1Y0 812.4 + 2.306?59.1 或 (676.1元, 948.7元) 所以，当X=1000时，总体单值Y0的95%的置信区间为：