简单线性回归模型.pptVIP

则：1称为回归标准误差，为随机扰动项u的方差的无偏估计，即2b0和b1方差的表达式中都包含随机扰动项u的方差，由于u是一个不可观测的变量，故u的方差不能计算出来，其估计式为：3方差最小性（有效性，最佳性）的证明在K元回归模型分析中给出。4估计回归标准误差的估计5由最小二乘法所得直线能够对这些数据点之间的关系加以反映吗？01对数据点之间的关系或趋势反映到了何种程度？02在统计上如何验证所得一元回归模式的可靠程度。03有关思考总平方和(TSS)、回归平方和(ESS)、残差平方和(RSS)的定义01平方和的分解02自由度(df)的分解03一元线性回归模型的统计检验041.平方和与自由度的分解平方和分解图总平方和、回归平方和、残差平方和的定义TSS度量Y自身的变异程度，ESS度量Ｘ对Ｙ拟合值的变异程度，RSS度量实际值与拟合值之间的差异程度。TSS=TotalSumofSquaresESS=ExplainedSumofSquaresRSS=ResidualSumofSquares平方和的分解平方和分解的意义01TSS=ESS+RSS02被解释变量Y总的变动=解释变量X对Y引起的变动+除X以外的因素引起的变动03如果X引起的变动在Y的总变动中占很大比例，那么X很好地解释了Y；否则，X不能很好地说明Y。04总自由度:dfT=n-1回归自由度:dfE=1（解释变量的个数)残差自由度:dfR=n-2dfT=dfE+dfR01020304df:degreeoffreedom自由度(df)的分解2.拟合优度指标（或称判定系数、可决系数）目的：企图构造一个不含单位，可以相互进行比较，而且能直观判断拟合优劣。拟合优度的定义：意义：拟合优度越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。取值范围：0-1运用可决系数时应注意可决系数只是说明列入模型的所有解释变量对因变量的联合的影响程度，不说明模型中每个解释变量的影响程度（在多元中）.回归的主要目的如果是经济结构分析，不能只追求高的可决系数，而是要得到总体回归系数可信的估计，可决系数高并不表示每个回归系数都可信任.如果建模的目的只是为了预测因变量值，不是为了正确估计回归系数，一般可考虑有较高的可决系数.3.对一元线性回归模型进行t检验H0：β=0H1：β≠0提出假设：构造t统计量:～确定显著性水平。一般取，查t分布表得临界值。做出决策：将t统计量与临界值对比。t检验的作用：检验引入模型中的某一个X对Y的影响是否显著。,t统计量落在拒绝区,说明通过了t检验.如果通过了t检验,则(-∞,-t)的面积(概率)与((-∞,-t)的面积(概率)之和小于5%(或1%).接受区拒绝区拒绝区对一元线性回归模型进行F检验1根据小概率原理判断，作出决策．2原假设H0：β=0备择假设H1：β≠03提出：4构造统计量：5确定显著性水平：一般取，查F分布表得临界值。6F检验的作用：检验引入模型中的所有X联合起来对Y的影响是否显著。7拟合优度R2与F统计量之间的联系F显著==拟合优度高一元线性回归中F、t统计量之间的联系故：一元线性回归模型中t检验和F检验是等效的。01一元线性回归模型的应用——预测03进行区间估计:02设未来时点为f，给定Xf，则得出Yf的点估计：04其中：简单线性回归模型第二章学习要点一、简单线性回归模型的设定二、简单线性回归模型的基本假定三、简单线性回归模型参数的估计方法四、参数估计量的统计性质五、拟合优度的度量六、回归系数的区间估计和假设检验七、回归模型预测八、EViews应用一元线性回归模型经济变量间的相互关系确定性的函数关系：不确定性的统计关系—相关关系(u为随机变量)没有关系（一）回归与相关关系2.相关关系◆相关关系的描述相关关系最直观的描述方式——坐标图（散布图）?????