[数学]计量第二章 一元线性回归模型.pptVIP

引言：保险单应如何赔偿？ 美国内华达职业健康诊所（Nevada Occupational Health Clinic）是一家私人医疗诊所，它位于内华达州的Sparks市。这个诊所专攻工业医疗，并且在该地区经营已经超过15年。1991年初，该诊所进入了增长的阶段。在其后的26个月里，即1991年初到1993年4月初，该诊所每个月的账单收入一直经历着戏剧性的增长，从57000美元增长到超过300000美元。 1993年4月6日，诊所发生了一场火灾，诊所的主建筑物被烧毁。 保险单应如何赔偿？ 诊所的保险单包括实物财产和设备，也包括出于正常商业经营的中断而引起的收入损失。 确定实物财产和设备在火灾中的损失额，受理财产的保险索赔要求是一个相对简单的事情。但是确定在进行重建诊所的7个月中，收入的损失额是很复杂的，它涉及业主和保险公司之间的讨价还价。对如果没有发生火灾，诊所的账单收入“将会有什么变化”的计算，没有预先制定的规则。 为了估计失去的收入，诊所用一种预测方法，来测算在7个月的停业期间将要实现的营业增长。在火灾前的账单收入的实际历史资料，将为拥有线性趋势和季节成分的预测模型提供基础资料。这个预测模型使诊所得到损失收入的一个准确的估计值，这个估计值最终被保险公司所接受。 这是一个运用计量经济建模（时间数列）分析方法在保险业务中的成功案例。计量建模分析方法对现代经济管理同样具有重要的启迪和现实意义。例如通过对企业销售收入和销售成本的预测。可以对产品的未来销售情况，做出较为准确、公正地判断。计量建模分析方法还广泛用于金融、证券业务中的分析和预测等。 利用时间数列建立计量模型，能反映客观事物的发展变化，能揭示客观事物随时间演变的趋势和规律。 第二章 一元线性回归模型 模型的建立及其假定条件 一元线性回归模型的参数估计 一元线性回归模型检验与置信区间 一元线性回归模型预测 实例 数据的类型（见课本P2页） （1）确定性关系或函数关系：研究的是确定现象非随机变量间的关系。 （2）统计依赖或相关关系：研究的是非确定现象随机变量间的关系。 对变量间统计依赖关系的考察主要是通过相关分析(correlation analysis)或回归分析(regression analysis)来完成的： ①不线性相关并不意味着不相关； ②有相关关系并不意味着一定有因果关系； ③回归分析/相关分析研究一个变量对另一个（些）变量的统计依赖关系，但它们并不意味着一定有因果关系。 ④相关分析对称地对待任何（两个）变量，两个变量都被看作是随机的。回归分析对变量的处理方法存在不对称性，即区分应变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。 回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。 这里：前一个变量被称为被解释变量（Explained Variable）或应变量（Dependent Variable），后一个（些）变量被称为解释变量（Explanatory Variable）或自变量（Independent Variable）。 随机误差项主要包括下列因素的影响： 1）在解释变量中被忽略的因素的影响； 2）人们的随机行为；（如广告宣传的影响） 3）模型的形式不完善；（把非线性关系线性化） 4）经济变量的合并误差； 5）变量观测值的观测误差的影响； §2.2 一元线性回归模型的参数估计 一、参数的普通最小二乘估计（OLS） 二、几个常用的结果 一、参数的普通最小二乘估计（OLS） 普通最小二乘法（Ordinary least squares, OLS）给出的判断标准是：拟合直线的残差平方和达到最小。 二、 （1）残差ei的均值为0，即∑ei =0 (2) 残差ei与Xi不相关，即∑ei Xi =0 （3）样本回归直线经过点 （4）被解释变量的样本平均数等于其估计值的平均值 试证明以下结论 三、截距为零的一元线性回归模型的参数估计 例2.1：某地区每周家庭收入X与每周家庭支出Y的统计资料如下（单位：百元），试估计该地区每周家庭支出对每周家庭收入的线性回归模型。 例2.1：某地区每周家庭收入X与每周家庭支出Y的统计资料如下（单位：百元），试估计该地区每周家庭支出对每周家庭收入的线性回归模型。 并说明 、 表示的经济含义。 例2.1：某地区每周家庭收入X与每周家庭支出Y的统计资料如下（单位：百元），试估计该地区每周家庭支出对每周家庭收入的线性回归模型。 并说明 、 表示的经济含义