《金融统计学》第3章金融统计学基础（二）.pptVIP

第二节 相关分析与回归分析 二、回归分析 (三)曲线回归 在对经济变量进行配合回归方程时，常遇到的问题是因变量和自变量间的关系并不是直线型，而是曲线型。这时通常采用变量代换法将非线性模型线性化，再按照线性模型的方法处理。 如模型为： 时，可令 ，则回归模型转化为多元线性回归方程,即： , 再根据线性回归模型的方法处理。 如模型为指数曲线型，即 ，则把该式两边取对数得： ，令 ，于是指数曲线模型转化为一元线性回归模型 。 第二节 相关分析与回归分析 二、回归分析 (四)估计标准误差 1.估计标准误差的概念 估计标准误差是指根据相关模型求出的理论值与观察值之间的标准差,是用来说明回归方程推算结果的准确程度，或者反映回归直线代表性大小的统计分析指标。 2.一元线性回归估计标准误差的测定 (1)根据因变量实际值和估计值的离差计算 计算公式如下： 第二节 相关分析与回归分析 二、回归分析 4.相关系数和估计标准误差的关系 （1）相关系数和估计标准误差的数量计算关系 相关系数和估计标准误差可以从不同角度说明变量间是否具有相关性和相关性的大小，由于相关系数表明关系程度比较明确，而且能直接辨别出是正相关或是负相关，所以一般情况下较多使用相关系数。 这两个指标在数量上具有如下关系： 第二节 相关分析与回归分析 二、回归分析 或： 仍用上例： 已知： 第二节 相关分析与回归分析 二、回归分析 4.相关系数和估计标准误差的关系 （2）相关系数和估计标准误差的数值表现出的相反关系 ①r值越大， 值越小；r值越小，则 值越大。r值越大，说明相关程度越密切，这时Syx值越小，也就是相关点距离回归直线比较近。r值越小,说明相关程度不密切，这时Syx值越大。从相关图上看，也就是相关点距离回归直线比较远。 ②当r= l时，即完全相关时，则： ，即估计标准误差等于0，所有的观察值全在回归直线 上，这也就是完全相关。 ③当r=0时，即不相关时，则 ，说明观察值与回归直线的距离和观察值与y数列的平均线的距离一样，x值不管怎样变化， 的值始终不变，永远等于y数列的平均值。 第二节 相关分析与回归分析 1.相关系数的显著性检验（t检验） 首先提出假设 比较显著性 2.回归问题的方差分析（F检验） （五）线性相关的显著性检验 方差分解 提出假设 分解大小 第二节 相关分析与回归分析 1.相关系数的显著性检验（t检验） （1）首先提出假设 零假设H0：ρ=0（总体相关系数为0，表示总体的两变量间线性相关性不显著） 备择假设H1：ρ≠0（表示总体的两变量间线性相关性显著） 可以证明，当零假设成立时，统计量t服从自由度为n-2的t分布，即： （五）线性相关的显著性检验 第二节 相关分析与回归分析 1.相关系数的显著性检验（t检验） （2）比较显著性 对于给定的显著性水平 ，查t分布表得临界值 ，将t值与临界值进行比较： 当 ，接受H0，表示总体的两变量间线性相关性不显著； 当 ，拒绝H0，表示总体的两变量间线性相关性显著。 （五）线性相关的显著性检验 第二节 相关分析与回归分析 （1）方差分解 回归方程的建立过程中，会涉及到观察值 、估计值 和平均值 ，图3-9揭示的是这三者的关系，也即： 剩余平方和反映自变量对因变量的线 性影响之外的一切因素（包括x对y的非 线性影响和测量误差等）对因变量的作 用。回归平方和反映在总离差平方和中， 由于x与y的线性关系而引起因变量变化的 部分。回归效果的好坏取决于回归平方和 在总离差平方和中所占的比重，比重 越大，则所有观察点距离回归直线就 越近，自变量与因变量的线性相关程度 越高，线性回归分析的效果就越好。 （五）线性相关的显著性检验 2.回归问题的方差分析（F检验） y 图3-9 观察值 、估计值 和平均值 间的关系 第二节 相关分析与回归分析 2.回归问题的方差分析（F检验） （2）提出假设 要检验总体两变量间是否真正线性相关，可以检验总体的回归系数β是否等于0。 首先提出： 零