经济预测与决策 第3章 回归分析预测法.pptVIP

第三章 回归分析预测法 讲授内容: 第一节 一元线性回归分析预测法 第二节 多元线性回归分析预测法 第三节 非线性回归分析预测法 第四节 进行回归分析预测时应注意的问题 第五节 多元回归分析预测案例 思考与练习 一、一元线性回归模型的建立 （一）一元线性总体回归模型 i=1,2,…,n (3.1) 式（3.1）称为一元线性总体回归模型。其中，X为自变量（解释变量），并假定它是可控制的、无测量误差的非随机变量；Y为因变量（被解释变量），是随机变量；u为随机误差（干扰）项，是一个随机变量，可用来代表所有未在模型中考虑的、作用可以相互抵消的随机因素的影响； 和 是未知却固定的总体参数，称为回归参数，也分别被称为截距和斜率。 一、一元线性回归模型的建立 （二）随机误差项的意义和标准假定 随机误差项u是无法直接观测的，为了进行回归分析，通常设其满足以下标准假定： 1. 的期望为0，即： i=1,2,…,n 2. 的方差为一常数，即： i=1,2,…,n 一、一元线性回归模型的建立 3. 与 相互独立，即： i≠j;i,j=1,2,…,n 4.随机误差项 与自变量 不相关，即： i,j=1,2,…,n 5. （i=1,2,…,n）服从正态分布。 一、一元线性回归模型的建立 （三）样本回归模型 样本回归模型： i=1,2,…,n (3.2) 式中 , 和 是根据所获得的一个样本对总体回归参数 ， 和 的估计，n为该样本的容量， 被称为残差。 对于给定的一个样本，总体回归模型式（3.1）的近似估计为： (3.3) 式（3.3）称为样本回归方程，又称为经验方程， 为 的估计。 二、一元线性回归模型参数的估计 用样本的所有残差的平方和来综合反映残差的总量大小就显得更为合适，这种方法称为最小二乘法（OLS）。具体表示就是： 三、一元线性回归模型的检验 （一）经济检验 经济检验就是检验估计出来的参数的符号、大小是否与经济理论和实际经验相符合，即是否具有经济意义。如果所估计出来的参数没有经济意义，则该模型不能用来进行预测。 三、一元线性回归模型的检验 （二）统计检验 1.对回归参数的检验（t检验） 对回归参数 进行t检验的程序为： （1）提出假设 （2）计算T统计量的值 （3）查出临界值并做出判断 三、一元线性回归模型的检验 2.回归方程的拟合优度（判定系数R2） 总变差是因变量的样本观测值与其样本均值的离差平方和，反映了因变量的总变异程度，即 ，它又被称为总的离差平方和，记为TSS（total sum of squares）。 是因变量的样本回归值与其样本均值的离差平方和，通常称为回归平方和或回归变差，记为ESS（explained sum of squares）； 是因变量的回归残差的平方和，通常称为残差平方和或剩余变差，记为RSS（residual sum of squares）。 三、一元线性回归模型的检验 可以用回归平方和占总的离差平方和的比重来衡量模型的拟合优良程度，称其为判定系数，记作 ，即： 判定系数 的取值范围为0≤ ≤1，判定系数 的 值越接近于1，回归平方和在总的平方和中所占的比重就越 大，样本回归方程对因变量观测值的拟合就越好； 三、一元线性回归模型的检验 反之，判定系数 的值越接近于0，回归平方和在总的平方和中所占的比重就越小，样本回归方程对因变量观测值的拟合就越差。 三、一元线性回归模型的检验 3.对回归方程的显著性检验（F检验） 回归方程显著性检验是对回归模型总体的显著性进行检验， 也就是判定回归方程的所有解释变量x对被解释变量y的