行业资料一元线性回归方程.pptVIP

第二章 一元线性回归模型;回归的含义; 回归的现代释义; 等式左边的变量被称为被解释变量（Explained Variable）或应 变量 （Dependeni Variable）。 等式右边的变量被称为解释变量（Explanaiory Variable）或自 变量（Independeni Variable）。; 回归与因果关系;总体回归函数; X Y;（1）由于不确定因素的影响，对同一收入水平X，不同家庭的消费支出不完全相同； （2）但由于调查的完备性，给定收入水平X的消费支出Y的分布是确定的，即以X的给定值为条件的Y的条件分布（Conditional distribution）是已知的， 如： P(Y=55|X=80）=1/5。; 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。这条直线称为总体回归线。;“天行有常，不为尧存，不为桀亡。应之以治则吉，应之以乱则凶。” ---荀子《天论》; 总体回归函数的随机设定;Yi=?0 + ?1 Xi + ui; 随机误差项u的意义; X Y;样本回归线; X Y;样本回归线; 总体回归模型和样本回归模型的比较;Xi;对于所研究的经济问题，通常总体回归直线 E(Yi|Xi) = ?0 + ?1Xi 是观测不到的。可以通过收集样本来对总体（真实的）回归直线做出估计。 ;如何得到一条能够较好地反映这些点变化规律的直线呢？;对于参数的估计采用最小二乘估计法、最小二乘法的原则是以“残差平方和最小” 确定直线位置（即估计参数）。（Q为残差平方和）;;;OLS回归直线的性质;= ;线性与非线性;受教育年限与平均小时工资 奥肯定律 股票价格与利率 古董钟与拍卖价格 ;利用OLS方法得到一个样本回归模型（一条样本回归线）后，问题结束了吗？ 为什么要用普通最小二乘法？ 样本回归模型有无穷多个，我们仅仅得到其中一个，它能反映真实的总体回归模型吗？ 样本回归模型对数据的拟合程度可以接受吗？ 如何用样本回归模型进行预测？;;假定1：解释变量是非随机的。 假定2: 零期望假定：E(ui) = 0。 E(ui|Xi) = 0。;假定3：同方差性假定：Var(ui) = E[ui - E(ui) ]2 = E(ui2) = ? 2。;假定4：无序列相关（无自相关）假定： Cov(ui, uj) = E[(ui - E(ui) ) ( uj - E(uj) )] = E(uiuj) = 0, (i ? j )。;假定6*：解释变量X与随机误差项u不相关 Cov(ui, Xi) = E[(ui - E(ui) ) (Xi - E(Xi) )] = E(ui Xi) = 0 如果X为确定性变量，该假定自然满足 ;OLS估计量的性质;都是Yi的线性函数。;证明：;OLS估计量的方差比其他线性无偏估计量的方差都小。; 一致性（了解）; OLS估计量的方差;走梯墟读羊度掇径憎扯陆害垂纬吃勋弄慌烟酋推牟善晶株询墙朽赁旁做杭一元线性回归方程一元线性回归方程;哎姚葵渴讲魔惜楞逾辜蒜姆毁毡榨澡档敦慕塔科亚戌幽诡始忘瓤跑详按幕一元线性回归方程一元线性回归方程;总体（随机误差项）真实方差?2的估计量：;受教育年限与每小时工资;2、方差;H0：?1=0 H1： ?1?0 ; Z检验与t检验;显著性检验（t 检验）的基本步骤 ;?=2.5%;受教育年限与每小时工资;股票价格与利率; 其他零假设检验; 对于双变量模型，自由度总为(n-2) 经验分析中，常用的?有1%、5%和10%。 为了避免显著水平选择的随意性，通常要给 出p值。 ; p值 ;;由于：;受教育年限与每小时工资;股票价格与利率;离差平方和的分解 可决系数; 离差平方和的分解;证明:; 可决系数;R2=0时 表明解释变量X与被解释变量Y之间不存在线性关系； R2=1时 表明样本回归线与样本值重合，这种情况极少发生； 一般情况下，R2越接近1表示拟合程度越好，X对Y的解释能力越强。; 相关系数与可决系数的关系;可决系数;点预测Yi 区间预测 （1）单个值Yi的区间预测 （2）均值E(Yi)的区间预测;如果经过检验，样本回归方程的拟合优度好，且回归系数的估计值显著不为0，则可以用回归方程进行预测。预测分为点预测和区间预测