第十二章_回归分析预测法.pptVIP

1.确定性 关系 　　　变量与变量之间的函数关系反映客观事物之间存在着严格的依存关系。在这种关系中，当一个或几个变量取值一定时，另一个变量有确定的值与之相对应，并且这种关系可以用一个确定的数学表达式反映出来。 在三个变量中，任意两个都可以确定第三个。 一般把作为影响因素的变量称为自变量，把发生对应变化的变量称为因变量。 2.相关关系 　　 相关关系反映的是客观事物之间的非严格、不确定的线性依存关系。这种线性依存关系有两个显著的特点： ①客观事物之间在数量上确实存在一定的内在联系。表现在一个变量发生数量上的变化，要影响另一个变量也相应地发生数量上的变化。 ②客观事物之间的数量依存关系不是确定的，具有一定的随机性。表现在当一个或几个相互联系的变量取一定数值时，与之对应的另一个变量可以取若干个不同的数值。这种关系虽然不确定，但因变量总是遵循一定规律围绕这些数值的平均数上下波动。 1、定义理解： 相关分析是以相关关系为对象，研究两个或两个以上随机变量之间线性依存关系的紧密程度。通常用相关系数表示，多元相关时用复相关系数表示。 回归分析是对具有相关关系的变量之间的数量变化规律进行测定，研究某一随机变量（因变量）与其他一个或几个普通变量（自变量）之间的数量变动关系，并据此对因变量进行估计和预测的分析方法。 它们是研究客观事物之间相互依存关系的两个不可分割的方面。 在实际工作中，一般先进行相关分析，由相关系数的大小决定是否需要进行回归分析。在相关分析的基础上建立回归模型，以便进行推算、预测，同时相关系数还是检验回归分析效果的标准。 相关分析需要回归分析来表明客观事物数量关系的具体形式，而回归分析则应建立在相关分析的基础上。 （四）在回归分析中应当注意的问题 1．重视数据的收集和甄别 在收集数据的过程中可能会遇到以下困难： （1）一些变量无法直接观测。 （2）数据缺失或出现异常数据。 （3）数据量不够。 （4）数据不准确、不一致、有矛盾。 在回归分析中应当注意的问题 2. 合理确定数据的单位 在建立回归方程时，如果不同变量的单位选取不适当，导致模型中各变量的数量级差异悬殊，往往会给建模和模型解释带来诸多不便。比如模型中有的变量用小数位表示，有的变量用百位或千位数表示，可能会因舍入误差使模型计算的准确性受到影响。因此，适当选取变量的单位，使模型中各变量的数量级大体一致是一种明智的做法。 OLS (Ordinary Least Square）估计 （2） OLS的特性 最小二乘估计量 具有线性、无偏性和最小方差性等良好的性质。线性、无偏性和最小方差性统称BLUE性质。满足BLUE性质的估计量 称为BLUE估计量。 三、样本容量 最小样本容量 满足基本要求的样本容量 四、 多元线性回归模型的统计检验 在建立多元线性回归模型的过程中，为进一步分析回归模型所反映的变量之间的关系是否符合客观实际，引入的影响因素是否有效，同样需要对回归模型进行检验。 常用的检验方法有： 拟合优度检验－R2检验 方程的显著性检验－F检验 变量的显著性检验－t 检验 参数的假设检验 （一）拟合优度检验 拟合好坏的差异 左图的拟合较好,Y的变化主要由模型来解释,随机因素解释的比例较小 调整的可决系数 R2 R2有一个缺点，即R2随着解释变量个数的增加而增加，无论增加的解释变量在经济上是否有意义，情况总是如此。 给人一种感觉，似乎在模型中增加一个解释变量，模型的解释功能就会增强， R2就增大了，就会增加拟合优度。 为了避免这个问题，需要对可决系数进行自由度调整 ，以剔除变量个数对拟合优度的影响。 （二）方程的显著性检验（F检验） 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 方程显著性的F检验 根据数理统计学中的知识，在原假设H0成立的条件下，统计量 F?(k,n-k-1) 含义：其意义是与残差平方和相比，回归平方和越大，方程越显著 给定显著性水平?，可得到临界值F?(k,n-k-1)。 由样本求出统计量F的值。 通过 F? F?(k,n-k-1) F?F?(k,n-k-1) 来拒绝或不能拒绝原假设 H0，以判定原方程 总体上的线性关系是 否显著成立。 2、关于拟合优度检验与方程显著性检验关系的讨论 （三）变量的显著性检验（t检验） 方程的总体线性关系显著?每个解释变量 对被解释变量的影响都是显著的。因此，必须对每个解释变量进行显著性检验，以决定