经济预测与决策课件（第流5章）.pptVIP

Chapter 5 一元线性回归预测 §5.1 一元线性回归预测模型 §5.2 回归系数的简便求估方法 §5.3 回归系数的精确求估方法 §5.4 回归方程的显著性检验 §5.5 回归方程的应用 Chapter 5 一元线性回归预测 经济变量之间往往存在一定的相互关系，因果关系就是最重要的一种。 回归分析法就是在因果关系预测中最常用的一种方法。 回归分析法起源于英国生物学家高尔登对人类身高的研究。 Chapter 5 一元线性回归预测 1、按模型中自变量的多少 一元回归（一个自变量）和多元回归（两个或两个以上自变量） 2、按模型中自变量与因变量之间是否线性 线性回归和非线性回归 3、按模型中变量的属性 数量回归和非数量回归 一元线性回归预测法是根据一元线性回归模型中单一自变量的变动来预测因变量平均发展趋势的方法。 若用X代表自变量，Y代表因变量。则给定一个自变量的值Xi时，对于一元线性回归模型就有一个因变量的总体平均值E（Yi）与它对应，其函数关系可写成E（Yi）=f（Xi），它表明Y的总体平均值是随着X的变化而变化的。该函数亦称为总体回归函数。 E（Yi）=β0+?1Xi 或 Yi=E（Yi）+ui=β0+?1Xi+ui 其中β0、?1是未知而固定的参数，称为回归系数，ui称为随机扰动项。 在回归分析中，我们要根据Y和X的观测值来估计未知的β0和?1的值，进而建立回归模型。 公式满足条件： 1、E(ε)=0 2、D(εi)=σ2 3、C0v(εi， εj)=0, i≠j 4、C0v(εi,，xj)=0 ε～N (0, σ2) §5.2 回归系数的简便求估方法 二、平均值法 将观察值分别带入回归方程，然后将n个方程分为两组，把组内方程分别相加，得到一个二元一次方程组，解得 §5.3 回归系数的精确求估方法 Y Yi . e . . . . 0 Xi X §5.4 回归方程的显著性检验 注意：可决系数r2越大，即Q越小，说明回归方程拟合得越好。 　　　Ｑ＝０表示所有的样本点都落在回归直线上，此时，ｘ和ｙ完全相关。 （一）回归系数b的显著性检验 （二）回归方程的显著性检验 b是否为0 常用方法：t检验 （二）回归方程的显著性检验 Y与x之间是否存在真实的线性关系（F检验） 假设统计量b=0,统计量 服从自由度为1和n-2的F分布。 一、经济预测 二、经济控制 运用预测技术反推价格控制 §5.5 回归方程的应用 练习题（P71第六题） * * §5.1 一元线性回归预测模型 §5.1 一元线性回归预测模型 一、一元线性回归模型的基本形式 二、一元线性回归样本函数 对于样本中每一个与Xi相对的观测值Yi与由样本回归函数得到的估计值有一随机偏差，这个偏差称为样本剩余，记为ei。 三、样本回归函数 回归分析就是要根据样本回归函数来估计总体回归函数。 在这里需要解决的问题主要有两个： 其一是估计参数; 其二是“接近”的程度有多大。 §5.1 一元线性回归预测模型 一、目估作图法 X Y Y=a+bx+?i 对任何ｎ组数据，都可以找出一条回归直线，但这样的回归直线是否有意义，需要进一步判断。 S总：总平方和 U：回归平方和 Q：剩余平方和 三、回归方程的显著性检验 （一）回归系数b的显著性检验 * *