会计研究方法new4数据技术1-4.1.4.1分析报告.ppt

第四章 数据分析技术 本章概要 4.1回归分析 4.1.1 线性回归模型 4.1.2 logit模型 4.1.3非线性回归模型 4.1.4违背经典假设的回归模型 4.1.1线性回归 一、回归分析概述 二、线性回归模型 三、虚拟变量的使用 四、分段线性回归 一、回归分析概述 1.变量间的关系 2.回归分析的基本概念 3.总体回归函数 4.样本回归函数 一、回归分析概述 1.变量间的关系 经济变量之间的关系，大体可分为两类： （1）确定性关系或函数关系： 研究的是确定现象非随机变量间的关系。 （2）统计依赖或相关关系： 研究的是非确定现象随机变量间的关系。 对变量间统计依赖关系的考察主要是通过相关分析(correlation analysis)或回归分析(regression analysis)来完成的： ①不线性相关并不意味着不相关； ②有相关关系并不意味着一定有因果关系； ③回归分析/相关分析研究一个变量对另一个（些）变量的统计依赖关系，但它们并不意味着一定有因果关系。 ④相关分析对称地对待任何（两个）变量，两个变量都被看作是随机的。 回归分析对变量的处理方法存在不对称性，即区分因变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。 回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。 其用意：在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 这里：前一个变量被称为被解释变量（Explained Variable）或应变量（Dependent Variable），后一个（些）变量被称为解释变量（Explanatory Variable）或自变量（Independent Variable）。 3、总体回归函数 上式称为总体回归函数（方程）PRF的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。 由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。 随机误差项主要包括下列因素的影响： 1）在解释变量中被忽略的因素的影响； 2）变量观测值的观测误差的影响； 3）模型关系的设定误差的影响； 4）其它随机因素的影响。 问题：能从一次抽样中获得总体的近似的信息吗？如果可以，如何从抽样中获得总体的近似信息？ 样本的散点图（scatter diagram)： 样本散点图近似于一条直线，画一条直线以尽好地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。该线称为样本回归线（sample regression lines）。 注意： 这里将样本回归线看成总体回归线的近似替代 ▼回归分析的主要目的：根据样本回归函数SRF，估计总体回归函数PRF。 二、线性回归模型 （二）多元线性回归模型 1.模型假设 （二）多元线性回归模型 2.模型估计（一元模型为例）： 普通最小二乘法（Ordinary least squares, OLS）给出的判断标准是：二者之差的平方和最小。 （二）多元线性回归模型 2.模型估计（一元模型为例）： 一个用于考察总体的估计量，可从如下几个方面考察其优劣性： （1）线性性，即它是否是另一随机变量的线性函数； （2）无偏性，即它的均值或期望值是否等于总体的真实值； （3）有效性，即它是否在所有线性无偏估计量中具有最小方差。 3 多元线性回归模型的统计检验 简要回顾 1)拟合优度检验 2)方程的显著性检验(F检验) 3)变量的显著性检验（t检验） 4)参数的置信区间 1)拟合优度检验 A. 可决系数与调整的可决系数 *B、赤池信息准则和施瓦茨准则 为了比较所含解释变量个数不同的多元回归模型的拟合优度，常用的标准还有:用来判断滞后阶数。 赤池信息准则（Akaike information criterion, AIC） 2）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。 B、关于拟合优度检验与方程显著性检验关系的讨论 由 3）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 4) 参数的置信区间 参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近”。 在变量的显著性检验中已经知道： （二）多元线性回归模型 4.实例: 陆正飞 辛宇.上市公司资本结构主要影响因素之实