一元线性回归模型课件2014-2015.pptVIP

2.4 一元线性回归模型的预测 回归结果的报告形式与分析 回归预测 影响预测区间大小的因素 案例分析 回归结果的报告形式与分析 对于表2.2.1中随机样本，用OLS所作的回归分析结果得到： 括号内的数字分别是在对应参数等于0的原假设下，所计算的t统计量。 回归结果的分析 结果的分析主要包括以下内容： （1）系数的说明。 （2）拟合情况。 （3）系数的显著性，回归方程的显著性。 （4）根据DW检验值说明是否存在误差项的自相关。 回归预测 1．点预测 影响预测区间大小的因素 由式(2.4.5)和式(2.4.10)可以看出，影响预测区间大小的因素有四个： 小结 一、模型形式 二、模型假定 三、模型参数估计 1．估计方法：OLS 四、模型检验 1．经济意义检验 2．统计准则检验 五、模型应用：经济预测 [实验目的] 掌握一元线性回归模型的估计、检验和预测方法。? [实验内容] 选择方程进行一元线性回归，并进行经济、拟合优度、参数显著性和方程显著性等检验，报告回归分析结果及对因变量进行预测。 实验用数据为1978-2001年中国最终消费支出（y）与国内生产总值（x）（教材P60表2-2） [实验步骤] [实验方法] 上机实验，操作Eviews软件，完成实习任务。 [实验条件] Eviews软件；实验用数据为1978-2001年中国最终消费支出（y）与国内生产总值（x）（教材P60表2-2） [实验指导]在实验教师指导下，建立实验中使用的数据库，并创新工作文件，根据实验内容进行操作。 实验一 一元线性回归模型的估计、检验和预测 思考题 1．高斯—马尔可夫定理的内容是什么？ 2．影响随机误差项的主要因素有哪些？ 3.教材P69-76 习题一至习题三 同样地 考虑随机误差项的样本回归模型： 因为 所以 样本回归模型的随机设定形式为 （2）随机误差产生的原因 客观现象本身的随机性 模型本身的局限性 模型函数形式的设定误差 数据的测量与归并误差 随机因素的影响（如自然灾害等） 回归模型的基本假定 1．零均值假定：E(ut ) = 0 2．同方差假定：D(ut) =σ2（常数） 3．无自相关假定：Cov(ut ,us)=0（t≠s） 4．解释变量与随机误差项不相关假定： Cov(xt,ut)=0（或E(xtut)=0） 5．正态性假定 即ut服从正态分布，即ut ～N(0，σ2 )， yt～N(b0+b1xt,σ2) 6．无多重共线性假定 即解释变量之间不存在多重共线性； 2.2 一元线回归模型的参数估计 一元线性回归模型的基本假定（即1-5）（略） 参数的普通最小二乘估计（OLS） 最小二乘估计量的性质 参数的区间估计 参数的普通最小二乘估计（OLS） =最小 例 （见教材P31-32 例2.1） 某地区居民家庭可支配收入与家庭消费支出的资料如表2.2.1所示（单位：百元）。 某地区居民家庭收入支出资料 解 最小二乘估计量的性质 用最小二乘法得到的参数估计应具有如下三种最重要的统计性质： （1）线性 即它是否是另一个随机变量的线性函数； （2）无偏性 即它的均值或期望是否等于总体的真实值； （3）有效性 即它是否在所有的线性无偏估计量中具有最小方差； 注：上述统计性质的具体证明请参考教材P33-35 参数的区间估计 未知，故要估计它 即怎样得到 因此得到参数估计量的标准差： 3．得到回归系数和截距项的区间估计 （1）回归系数的区间估计 （2）截距项的区间估计 2.3 一元线性回归模型的假设检验 回归参数的显著性检验 拟合优度的测度与相关系数检验 回归参数的显著性检验 拟合优度的测度与相关系数检验 拟合优度——样本回归直线与样本观测数据之间的拟合程度，称为样本回归线的拟合优度。 1．总变差的分解 3．相关系数检验 （1）变量相关的定义和分类 相关：指两个或两个以上变量间相互关系的程度或强度。 ①按相关的强度分为4类。 完全相关：指两个变量间存在函数关系（见教材图2.3.3）。 高度相关（或强相关）：变量间近似存在函数关系（见教材图2.3.4）。 弱相关：变量间有关系但不明显（见教材图2.3.5）。 零相关：变量间不存在任何关系（见教材图2.3.6）。 ②按变量个数，相关可分为两类。 简单相关——指两个变量之间的相关（线性和非线性相关） 按符号又可分为 正相关（见教材图2.3.4）