演示文稿简单回归模型.pptVIP

X Y 80 100 120 140 160 180 200 220 240 260 — 65 79 — 102 — 120 135 — — 60 70 84 93 — 115 — — 145 152 — 74 90 — — — — — 155 — — 80 — — 116 — 144 152 165 — 75 85 — — 118 — 145 — — 180 － — － — — 140 － 160 189 185 － － － 115 － － － — － — 户数 2 5 3 2 3 2 3 3 4 3 总支出 135 374 253 208 336 255 409 447 654 517 样本回归函数 第二个样本 当前第28页\共有63页\编于星期四\3点 样本回归线 样本均值连线 当前第29页\共有63页\编于星期四\3点 总体回归模型和样本回归模型的比较 当前第30页\共有63页\编于星期四\3点 几个例子 首席执行官的薪水和股本回报率？ 当前第31页\共有63页\编于星期四\3点 工资和受教育程度 投票结果与竞选支出： 当前第32页\共有63页\编于星期四\3点 Xi yi y1 y2 y3 u1 u2 u3 E(y|xi) = ?0 + ?1 xi 注意：分清几个关系式和表示符号 （2）样本（估计的）回归直线： （3）总体（真实的）回归模型： （4）样本（估计的）回归模型： （1）总体（真实的）回归直线： ui——随机误差项 ——残差项 当前第33页\共有63页\编于星期四\3点 OLS操作技巧 （1）残差和及样本均值都等于零 OLS估计量代数性质 = = （2）回归元和残差的样本协方差为零 当前第34页\共有63页\编于星期四\3点 （3） 总在OLS回归线上 （4）拟合值 的样本均值等于yi的样本均值 （5）拟合值和残差的样本协方差为零 当前第35页\共有63页\编于星期四\3点 . . . . . . . . y x yi xi A 0 = + 总离差 = 回归差 + 残差 回归差：由样本回归直线解释的部分 残差：不能由样本回归直线解释的部分 可以证明: 离差平方和分解 当前第36页\共有63页\编于星期四\3点 总平方和 ＝ 解释平方和 ＋ 残差平方和 SST = SSE + SSR = + 利用性质（1）和性质（5）： 当前第37页\共有63页\编于星期四\3点 ＋ = 1 解释平方（SSE）和在总平方和（SST）中所占的比重越大，说明样本回归模型对样本数据拟合的程度越好。因此，用来表示拟合优度的可决系数定义为： R2 R2 的取值范围是 [0，1]。 对于一组数据，TSS是不变，所以ESS↑（↓），RSS↓（↑） 拟合优度与判定系数（可决系数） 当前第38页\共有63页\编于星期四\3点 R2=0时 表明解释变量x与被解释变量y之间不存在线性关系； R2=1时 表明样本回归线与样本值重合； 一般情况下，R2越接近1表示拟合程度越好，x对y的解释能力越强；看似很低的R2值，并不意味着OLS回归方程没有用！ R2 = = = =(R)2 当前第39页\共有63页\编于星期四\3点 度量单位和函数形式 改变度量单位对OLS估计量的影响 首席执行官的薪水和股本回报率？ 若salarydol=1000salary，即将薪水单位由千美元 调整为美元，模型估计结果为： 当前第40页\共有63页\编于星期四\3点 若股本回报率由百分比调整为小数，即roedoc=roe/100， 模型估计结果为： 若将薪水单位调整为美元，股本回报率调整为小数， 模型估计结果？ 判定系数R2为什么不变？ 当前第41页\共有63页\编于星期四\3点 弹性度量：双对数模型 yt = a xtb 两侧同取对数，加入扰动项： Lnyt = Lna + b Lnxt + ut 令a* = Lna，yt* = Lnyt，xt* = Lnxt，上式表示为 yt*= a* + bxt*+ ut Cobb-Douglas生产函数