第二篇 一元线性回归模型1.pptVIP

计量经济学—理论·方法·EViews应用 郭存芝 杜延军 李春吉 编著 电子教案 第二章 一元线性回归模型 回归模型概述 一元线性回归模型的参数估计 一元线性回归模型的拟合优度检验 一元线性回归模型的统计推断 一元线性回归模型的预测 案例分析 二、参数估计 运用EViews6.0进行模型参数估计，分析结果如下： 表2-7 样本数据的描述性统计结果 变量 Y X Mean 985.1016 1263.299 Median 823.4600 996.9700 Maximum 2337.580 3315.880 Minimum 376.6600 436.1600 Std. Dev. 564.5846 830.0269 Skewness 0.984327 1.080736 Kurtosis 2.844847 3.060447 Jarque-Bera 5.037076 6.039331 Probability 0.080577 0.048818 Sum 30538.15 39162.26 Sum Sq. Dev. 9562672. Observations 31 31 2011年，我国城镇居民人均消费支出的总体均值的置信度95%的预测置信区间为： [2577.710-2.045×13 2577.710+2.045×13 用 的无偏估计量 替代 ，有 其中 对于给定的显著性水平 由此可得，个别值 的置信度为 的预测置信区间为 （2-51） 例2-9 以例2-3为例（假设一个由100个家庭构成的总体，并假设这100个家庭的月可支配收入水平只限于1300元、1800元、2300元、2800元、3300元、800元、4300元、4800元、5300元、5800元10种情况，每个家庭的月可支配收入与消费数据如表2-1所示，要研究这一总体的家庭月消费支出Y与家庭月可支配收入X之间的关系，以便根据已知的家庭月可支配收入水平测算该总体的家庭月消费支出平均水平。） 利用例2-3建立的消费函数模型，求家庭可支配收入为6000元时家庭消 费支出的个别值置信度为95%的预测置信区间。 析： 预测置信区间为 可求得 四、预测置信区间的特征 图2-4 总体均值、个别值的预测置信区间 四、预测置信区间的特征 3．样本容量越大、拟合优度越高， 预测置信区间越小 2．解释变量X的取值偏离X的均值距离越 大，预测置信区间的宽度越大 1．被解释变量总体均值的预测置信 区间窄于个别值的预测置信区间 问题：考察中国城镇居民消费支出与可支配收入的关系。 Y：城镇居民家庭人均消费支出 X：城镇居民人均可支配收入 数据：以1978年为基期 ，利用城镇居民消费价格指数， 将所有名义数据调整为实际数据 。 第六节 案例分析 一. 建立模型 为明确城镇居民家庭人均消费支出和城镇居民人均可支配收入的关系，根据样本数据先做Y与X的散点图： 由图可以看出，样本散点图近似于一条直线，因此可建立如下线性计量经济学模型： Dependent Variable: Y Method: Least Squares Date: 01/16/13 Time: 15:18 Sample: 1980 2010 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 126.5461 7.887240 16.04441 0.0000 X 0.679614 0.005243 129.6120 0.0000 R-squared 0.998277 Mean dependent var 985.1016 Adjusted R-squared 0.998217