中级计量经济学之一元线性回归模型课件.ppt

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。当变量相关关系散布图上的点接近一条直线时，称为线性相关；当变量相关关系散布图上的点接近于一条曲线时，称为非线性相关。简单相关按符号又可分为正相关（见图2.3.4）、负相关（见图2.3.8）和零相关（见图2.3.6）。两个变量趋于在同一个方向变化时，即同增或同减，称为变量之间存在正相关；当两个变量趋于在相反方向变化时，即当一个变量增加，另一个变量减少时，称为变量之间存在负相关；当两个变量的变化相互没有关系时，称为二者不相关或零相关。 复相关：指三个或三个以上变量之间的相关。其中包括多重相关和偏相关。 （2）线性相关的度量 变量之间线性相关的程度，常用相关系数去度量。两个变量x和y的总体相关系数为 （3）相关分析与回归分析、决定系数与相关系数的关系 ①相关分析与回归分析的关系。两者之间的区别表现在以下几个方面： 第一，回归分析强调因果关系，相关分析不关心因果关系。 第三，回归分析对资料的要求是：被解释变量y是随机变量，解释变量x是非随机变量。相关分析对资料的要求是：两个变量都是随机变量。 两者之间的联系：第一，相关分析是回归分析的基础和前提。第二，回归分析是相关分析的深入和继续。第三，相关分析与回归分析的有关指标之间存在计算上的内在联系，下面将给出具体的数学表达式。 （4）相关系数的显著性检验 总体y与x是否显著线性相关，必须进行相关系数的显著性检验，简称相关检验。 检验相关系数的显著性有两种常用方法。 ①使用相关系数临界值表。设定原假设和备择假设分别是 2.3.5 正态性检验：Jarque——Bera检验 2.4 一元线性回归模型的预测 2.4.1 回归结果的报告形式与分析 1.回归结果提供的格式 对于表2.2.1中随机样本，用OLS所作的回归分析结果得到： 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。 2．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。 2.4.2 回归预测 1．点预测 假定总体回归模型和总体回归方程： 最小方差性证明略。 2.2.3 回归参数的区间估计 3．回归系数的区间估计 2.3 一元线性回归模型的假设检验 2.3.1 模型估计式检验的必要性 1．模型解释变量选择的正确性需要证明 2．模型函数形式的正确性需要验证 3．模型估计的可靠性需要评价 2.3.2 模型估计式的理论检验 线性回归模型估计式的理论检验，是对模型估计式在理论上能否成立进行判别。理论检验又称为符号检验，依据模型参数最小二乘估计值的符号(正号或负号)及取值的大小，评判其是否符合经济理论的规定或社会经济实践的常规。 2.3.3 回归参数的显著性检验 假设检验的基本任务是根据样本所提供的信息，对未知总体分布的某些方面的假设作出合理的判断。 其基本思想是：在某种原假设成立的条件下，利用适当的统计量和给定的显著性水平，构造—个小概率事件，可以认为小概率事件在一次观察中基本不会发生，如果该事件竟然发生了，就认为原假设不真，从而拒绝原假设，接受备择假设。 对于一元线性回归模型而言，通常最关心的问题是解释变量对被解释变量是否有显著影响。 p值判别法： 在前面阐述的统计假设检验的基本原理中，是通过比较t统计量与临界值的大小来判断拒绝还是接受原假设的。与查找临界值的一个等价判别方法就是p值判别法。EViews软件提供了这种判别方法。 2.3.4 拟合优度的测度与相关系数检验 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 样本回归函数： 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（见图2.3.3）。 高度相关（或强相关）：变量间近似存在函数关系（见图2.3.4）。 弱相关：变量间有关系但不明显（见图2.3.5）。 零相关：变量间不存在任何关系（见图2.3.6）。 成为入党积极分子已经快要一年了，在这期间，我始终以党员的标准要求自己。在组织的关怀和党员的帮助下，我在思想上和实践上都取得了明显的进步 成为入党积极分子已经快要一年了，在这期间，我始终以党员