第三章_回归分析预测法.pptVIP

;第三章 目录;第三章 ;经济变量之间的关系;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。 相关分析适用于所有统计关系。 相关系数(correlation coefficient) 正相关(positive correlation) 负相关(negative correlation) 不相关(non-correlation) 回归分析仅对存在因果关系而言。;;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。 其目的在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 两类变量； 被解释变量（Explained Variable）或应变量（Dependent Variable）。 解释变量（Explanatory Variable）或自变量（Independent Variable）。 ;第一章;描出散点图发现：随着收入的增加，消费“平均地说”也在增加，且Y的条件均值均落在一根正斜率的直线上。;第三章;第三章;第三章;样本回归方程;二、一元线性回归模型参数的估计;16; 根据微积分中求极值的原理，对上式中的，求偏导，并令其为零，得到如下方程组： ;解上述方程组，得出参数估计值：;;年份;21;22;三、一元线性回归模型的检验;（一）经济意义检验;（二）统计检验;对回归模型参数 进行t检验的程序为：;续;2.回归方程的拟合优度（判别系数）;29;30;31;3.对回归方程的显著性检验（F检验）;（三） 经济计量检验;34;;四、利用线性回归模型进行预测;（一）点预测;（二）区间预测;39;3.2多元线性回归分析预测法;一、多元线性回归模型的建立;42;;44; 为了进行多元线性回归分析，除了上一节提出的标准假定以外，还假定多元线性回归模型所包含的自变量之间不具有较强的线性相关关系，即不存在多重共线性;二、多元线性回归模型参数的估计;步骤：;;;正规方程组的矩阵形式;;三、多元线性回归模型的检验;（一）统计检验;总离差平方和的分解;判定系数 的计算公式为：;;2.回归方程的显著性检验;方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 在多元模型中，即检验模型中的参数?j是否显著不为0。 ; F检验的思想来自于总离差平方和的分解式 TSS=ESS+RSS;在原假设H0成立的条件下，统计量 ;3.各回归参数的显著性检验;1、t统计量;（二）经济计量检验;2.多重共线性检验的经验方法;四、多元线性回归模型的预测;;3.3 非线性回归分析预测法; 非线性相关关系存在以下两种情况： 因变量和参数之间的关系是线性的，这种情况可通过变量代换转化为线性的形式 因变量和参数之间的关系是非线性的，有些模型可以找到适当的变换而化为线性模型;二、几种常见的非线性模型及其线性化方法;3.4 进行回归分析预测时应注意的问题;3.5 多元回归分析预测案例;