《线性回归模型》课件.pptVIP

式中 : 从而在1-?的置信度下， Y0的置信区间为 2.6一元线性回归方程的预测 (2)总体均值的预测区间 于是 可以证明 因此 故 其中 于是,在1-?的置信度下，总体均值E(Y|X0) 的置信区间为 在上述收入-消费支出例中，得到的样本回归函数为 则在 X0=1000处， ?0 = –103.172+0.777×1000=673.84 而 因此，总体均值E(Y|X=1000)的95%的置信区间为： 673.84-2.306?61.05 E(Y|X=1000) 673.84+2.306?61.05 或 （533.05, 814.62） 同样地，对于Y在X=1000的个体值，其95%的置信区间为： (372.03, 975.65) 总体回归函数的置信带（域） 个体的置信带（域） 对于Y的总体均值E(Y|X)与个体值的预测区间（置 信区间）: （1）样本容量n越大，预测精度越高，反之预测精度越低 （2）样本容量一定时，置信带的宽度当在X均值处最小，其附近进行预测（插值预测）精度越大；X越远离其均值，置信带越宽，预测可信度下降。 小结：简单线性回归分析的主要步骤 1、建立回归模型 研究某一经济现象，先根据经济理论，选择具有因果关系的两个变量（X，Y)，建立线性回归模型，确定解释变量和被解释变量。 如果不明确两个变量是否为线性关系，也可以根据散点图来分析。 建立回归模型可以是根据经济理论，也可以根据相同或相似经济现象的历史分析经验来建立回归模型。 建立模型时，不仅要考虑理论或经验的依据，同时也要考虑数据的可利用程度。 2、收集数据，并经过适当的加工整理，得到适于回归分析的样本数据集。 3、估计模型参数。利用样本数据，以OLS得到模 型参数的估计值。 4、对回归模型和参数估计值进行检验。 检验回归结果是否正确反映经济现象，是否 与理论相符。包括理论检验和统计检验。 经济理论检验：参数的符号，大小是否与理 论和实际相符。若不符，寻找原因 统计检验：拟和优度检验，回归参数的显著性检验和区间估计。 5、预测 对于解释变量的特定值，代入回归方程得到因变量的预测值；在给定的置信水平上，得到因变量预测值的置信区间。 6、回归结果的表述： 并说明参数的显著水平（? ）。 提供回归分析结果一般有两种方式： （1） = 6.70 + 0.58X R2 =0.49 （1.38）（2.76） 这里6.70和0.58分别为 和 的估计值 和 。 括号中数字是H0 : =0和H0 : =0 为真时的 t 值。 （2） = 6.70 + 0.58X R2 =0.49 （4.86)（0.21） 括号中提供的是 和 的标准误差。 由于存在这两种格式，使得回归结果的读者难以判断出括号中数字究竟是t 值还是标准误差。因此，要求在提供回归结果时，应予以说明。通常的作法有两种。一种是文字说明，另一种是用符号标示。 第2章 小结 本章主要结果： 一、最小二乘法 若双变量线性模型 满足下列统计假设 （1）E（ut）=0 ……………扰动项均值为0 （2）E（uiuj）=0 , i? j……扰动项相互独立 （3）E（ut2）=σ2 …………常数方差 （4）X与ut不相关 （5）ut服从正态分布 则最小二乘估计量 为最佳线性无偏估计量（BLUE）。且 ～N（β1 ， ） ～N（ , ) 二、拟合优度 决定系数 和相关系数 为最小二乘回归线拟合优度的测度，即回归线对各观测点拟合紧密程度的测度，且 三、假设检验和区间估计 随机误差项的方差的无偏估计量为： 　　的样本标准差为 我们知道 　　　的置信区间为 四、预测 假设我们有一组样本观测值Xt和Yt，我们用最小二乘