计量经济学线性回归模型课件.ppt

1、1、简单线性回归模型，第二章，2，目的要求：通过一元线性回归模型的建立过程，理解(再温)回归预测方法的基本统一修正思想。 把握：把握整体回归函数和样本回归函数的实质和关联线性回归的基本假设及其意义，通常的最小二乘估计及其性质，残奥仪表的点估计和区间估计，残奥仪表的假设检验适合度的意义和作用对变量的个别值和平均值的点预测和区间预测，3，第一节回归预测和回归方程， 一、回归和相关、(一)经济变量间的相互关系、一、相互关系、函数关系：统订(相关)关系： 2，2，作为相关关系的类型，一个例子的多重(复)相关，2 )从变量相关的表现形式：线性相关非线性相关，3 )从变量相关关系变化的方向：正相关负相关，

2、(如果变量之间的变化互不相关，则称为(零)相关)，4，(2)相关系数(复习)，变量x，y的全体y的采样相关系数，注意： 1、变量x、3、采样相关系数是整体相关系数的估计量，根据采样，两者之间存在误差，其统一显着性需要检查。 5、以下资料为惠特尼公司连续26周的销售额和广告成本，以及该城市各主要百货店的销售额总额(包括惠特尼公司的)和网络冲突对象的广告费(美元)，这些个数据是惠特尼公司制造的报纸广告带来的真正利益6、广告费和销货收入散点图、1600000、1800000、200000、2200000、2400000、2600000、0、10000、y、x1、7、广告费和市场占有率散点图、8、(3

3、)回归预测、1、“回归”一词的经典英国生物学家戈尔顿(f .戈尔顿)目的：基于已知或固定解释变量的值来估计或预测要解释的变量的总体平均值。 所谓回归预测，是根据x和y的观测数据，决定其变动的具体的统一补正规定性。 例如个人支配收入和个人消费支出，即xy平均变动轨迹(这个函数称为回归函数)，10，3，回归预测和相关性分析的关联和区别，关联：都是研究相关关系的方法。 区别：相关性分析：*所有相关变量都是随机变量的。回归预测：*需要区分变量间的因果关系，*通过建立回归式，推定(预测)原因变量的平均值，*变量是随机变量(有一定的概率分布)，因此参数是非随机变量的。 主要是为了描绘变量间的相关度，*不考

4、虑变量间的因果关系，不区分解释变量和主要变量，两变量对称，11，2，全体回归函数(PRF )，(一)以一人为例(p 17 ) :将n=100户分为10组，分析后的被称为y的条件确定分别取y为4个值中的任意一个的条件概率，X=90，y为6个值中的任意一个的条件概率分别是被称为y的条件平均(条件希望)，例如结果为* Y对x的回归直线：回归函数形式为直线，* Y对x的回归曲线：回归函数形式为曲线，*整体回归函数(PRF ) :整体要因变量y的条件优选作为解释变量x的某种函数来表示，*特别是：整体回归函数为线形函数，即注意：整体(三)“线性”这个词的意思(两个解释) 模型关于变量是线性的，比如，2，模

5、型关于残奥仪表是线性的，比如，注意：从回归理论的发展开始，在校正量经济学中，14，3，随机扰动项，*随机扰动项(ui ) :变量Yi和整体条件平均(期待) E(Y/Xi )以及也就是说，*整体回归函数将解释、条件期待形式：将解释x对y的条件期待的影响，随机设定形式ui除了x对y的影响之外，其馀各种因素并未并入到模型中，所以、15、6、变量的内在随机性、 整体说明2 .不能取得数据的已知因素的代表，3 .作为许多细小影响因素的综合代表，4 .模型的设定误差，5 .变量的观测误差，16，4 .样本回归函数(SRF )，(1)样本回归直线(回归曲线):以家庭支配收入和消费支出的关系为例将资料标绘为散

6、布(点)图，各随机样本的10对观察值的点呈现明显的线性倾向，2条(样本回归)直线： SRF(1) SRF(2)、17、整体回归函数、拟合样本1回归函数的回归预测目的：样本回归函数(2) 即估计、19、第二节简单线性回归模型的最小二乘法、一、古典(基本)假设、简单线性回归；(2)随机扰动项(或分布)假设；(1)变量和模型假设；(2)没有检验误差；(3)模型设定正确(没有设定误差)；2 也就是说，21，假设2 :同族的差异或方差相等，即，22，假设3 :在正交坐标系上绘制无自相关性假设观察值，24，最小二乘法的基本思想(原则):查找实际值与拟合值的方差平方和最小的回归直线。 根据微积分求极端值的原

7、理，样本回归方程为：当实际值和拟合值的方差：方差平方和：25、解方程、得、注：指令、截项：解释变量为零时，被解释变量的可能值、斜率项：解释变量每变动1个单位，被解释变量探讨家庭收入x对家庭消费支出y的影响问题，例如、26、样本回归函数的表达形式：注：27。通过调查得到的一系列数据：(一百元)，28，例如p25，29，三，OLS回归直线的性质(数值性质)，(一)回归直线通过样本平均分，(二)估计(5)解释变量与剩馀的佘项无关，即协方差的定义，证明参见教材P27 ) 从法方程的第二方程得出：31、残差和零、参数与残差无关，注：正态概率分布的线性组合还遵循正规布、33、2、无偏振光、证：证：34、3

8、、最小方差性。 附录： *最小方差性(参见下一页)或(附录P49-50 )、37、是线性不偏的估计，的线性不偏的估计。38、最佳线性无估计量：具有线性、无偏性、最小方差性的OLS估计量。 当标准离差中的总体方差未知时，代替其无偏差的估计量：该指标不仅可以解释估计量，还可以解释回归直线的代表，该数值越小，拟合值与实际值越接近，回归直线的代表越强。 的标准离差，其标准离差为39，复习：1，服从正态概率分布线性组合或正态概率分布，2，服从标准正态分布的平方和或分布，*个彼此独立的标准正态分布n (0，1 )的随机变量，平方和，且如x与y彼此独立，则注意：是来自整个归一化的一个样本， 其样本平均值为、

9、样本的修正方差，其中，41、4、x、y分别遵循自由度的分布，且x、y彼此独立，44、二、残奥参数的区间估计、(一)区间估计的概念、 (1)提出原(零)假设和选择假设，(2)如果成立，则(3)检查给定的t分布表，确定阈值，(4)从样本数据中校正t，(5)如果接受，则认为x不会对y产生显着影响，反之亦然当得出48、结论时，也可以在p值检验法：例如：残奥仪表的零假设(跟在第二节例题之后)、49、例如：中研究家庭收入x对家庭消费支出y的影响问题。 根据调查得到一系列的数据(百元)，50，51，就提出原来的(零)假说和选择假说，52，所以接受原来的假说。、第53、4节适合度的评价、第1、总劣化的分解、第

10、4节适合度的尺度、方差分解图、第54、总(方差)平方和TSS的分解式如下： TSS=ESS RSS、回归(方差)2.可确定系数的可能值的范围、第3、可确定系数与相关系数的关系、第56、第5节回归预测一致、回归预测例：家庭人均生活性消费支出y和人均支配收入x的资料如下(单位：十元) 60，根据正态概率分布，其方差、平均方差分别为、61、62，平均值、个别值的预测为1，平均值与个别值的点预测相同，而区间预测为2 .平均值和个别值的预测区间上下限值都不是常数而是变化。 3 .置信区间与样本容量n有关，n越大，置信区间越小。63、第6节实例和修订版计算机的修订过程、一、经济修订量分析的工作步骤、(2)

11、估算残奥表、(3)检验模型经济意义检验的综合修订检验修订量经济学检验预测检验(修订版计算机虚拟仿真技术判断模型残奥表的估算值的信任度和模型的效用等。 (1)建立模型；(4)应用模型经济预测的经济结构分析政策评估(为通过政策仿真制定经济政策提供依据)、64、二、计算机核算过程、家庭收入x对家庭消费支出y的影响问题，通过调查得到的一系列数据(百元) 为：65，Eviews主要操作程序一，启动包的网站：修正量经济学园地(http:/复旦修正量金融网络(http:/)，66，二，建立工作文件(File/New/Workfile/Ok) “Annual (年度) Quartely (季度) Undated or irrequar (未标明日期或不规则) 2，确定开始日期和结束日期()的Workfile对话计程仪框(子窗口)”包含： c-常数项resid-显示两个变量：模型生成的残差项，67，68，69，70，71。从显示的菜单中喀呖声行组从下拉菜单中选择类型(散布图/确定等)可显示格拉夫注：在“Equation (执行)”框中喀呖声Resids时，将出现Residual、Actual和Fitted格拉夫快速响应33601 .“quick/group statistic