第四章 回归分析预测法.pptVIP

第四章 回归分析预测法 回归分析 ——研究某因变量与一个或多个自变量之间数量变动关系。 二、回归模型的种类 根据回归模型自变量的多少可分为一元回归模型和多元回归模型。 根据回归模型是否线性可分为线性回归模型和非线性回归模型。 一元线性回归预测法 一元线性回归模型 设y为因变量，x为自变量，y与x之间存在某种线性关系 yi=a+bxi+?i 在理论上假设： 1、y与x之间存在上式的线性统计关系； 2、x是确定性变量，x的观察值不完全一样； 3、 ? ~N（0，?2）服从正态分布且各期? 不相关即 Cov（ ? i，?j ）=0，i?j，但方差?2相同， 则y~?（a+bx，?2）服从正态分布。 其中：a、b称回归系数，y为预测目标，x 为影响因素（可控制或预先给定），?为随机干扰项，表示各种随机因素对y的影响总和。 4. Xt与ut不相关。 5. Ut和Us相互独立。 6.观察值的数量n必须大于所估计的回归系数的数量。在一元线形回归中，n2 参数求解 OLS估计（Ordinary Least Square） OLS估计即采用最小平方法来估计模型的参数。 最小平方法的中心思想：是通过数学模型，配合一条 较为理想的趋势线。这条趋势线必须满足下列两点要求： （1）原数列的观察值与模型的估计值的离差平方和为 最小； （2）原数列的观察