经济预测与 及决策回归分析预测法.ppt

经济预测与决策;本章学习目的与要求; 回归分析预测法;第一节 回归分析概述;一、回归的定义;;“回归”一词的由来;二、回归分析与相关分析;三、回归模型的分类;2.按模型中自变量与因变量之间是否线性;3.按模型中方程数目的多少;第二节 一元线性回归预测法;一、一元线性回归模型;一元线性回归模型的基本形式为：;一元线性回归样本函数;回归模型;样本回归模型;二、最小二乘估计;1.最小二乘准则;图3-1;2.最小二乘估计式;一元线性回归模型的最小二乘估计;一元线性回归模型的最小二乘估计;;一元线性回归模型的最小二乘估计式;一元线性回归模型的最小二乘估计式;参数的最小二乘估计式;随机误差项方差的估计量;三、一元线性回归模型的检验;（二）统计检验;2、拟合优度检验（决定系数）;* 平方和的分解;总平方和、回归平方和、残差平方和;平方和的分解;平方和分解的意义;自由度的分解;拟合优度（决定系数）;修正的;3、变量的显著性检验（t检验）;如果变量x是显著的，则参数b应该是显著的。于是在变量的显著性检验中即检验零假设，;4、方程的显著性检验（F检验）;即检验方程中的参数是否显著不为0;（三）计量经济学检验;1、异方差检验;异方差的影响;补救异方差的基本思路;补救异方差的方法;2、序列相关检验;常用的检验方法（DW检验）;序列相关的处理和克服;四、一元线性回归模型的预测;2、区间预测;3、回归预测例题;表3-1;表3-2 计算各参数的基础数据表; 计算;所建立的回归模型为：;预测;第四章 多元回归分析;4.1 多元线性回归模型及其假定;;;;回归系数;;;;4.2 参数的最小二乘估计;;;;拟合值和残差的重要性质 （1）残差的样本均值为0； （2）每个自变量和OLS残差之间的样本协方差为0；拟合值与残差之间的样本协方差也为0； （3）点 总位于OLS回归线上；;4.3 最小二乘估计量的性质;1、线性性 ; 3、有效性（最小方差性） ;其中利用了 ;;;;4.4 多元线性回归模型的统计检验;;;则;由于 ;;调整的可决系数（adjusted coefficient of determination） ;;;;;;;;; t统计量 ;因此，可构造如下t统计量 ; t检验;注意：一元线性回归中，t检验与F检验一致 ;多元线性回归模型的参数估计实例 ;中国居民人均消费支出与人均GDP（元/人);Eviews软件估计结果 ;在中国居民人均收入-消费支出二元模型例中，由应用软件计算出参数的t值：;4.5 预测;;因为 ; ;于是，得到(1-?)的置信水平下E(Y0)的置信区间： ; 如果已经知道实际的预测值Y0，那么预测误差为：;e0服从正态分布，即 ; 中国居民人均收入-消费支出二元模型例中：2001年人均GDP：4033.1元，;于是E(?2001）的95%的置信区间为: ;;;4.6 几个补充问题;一、回归模型的结构稳定性检验： Chow检验;检验之前，需先把数据分成两个或更多的子样本，每个子样本的观察数必须多于方程的个数，这样才能对每个子样本分别拟合方程。对总体样本可单独拟合一个方程，对子样本可分别拟合方程，Chow’s断点检验基于这两组方程的残差平方和的比较。可构造统计量： ;;Chow检验时的限制条件;估计C-D函数 （1）1929－1967年数据估计如下 （2）分1929-1948和1949－1967两段数据估计如下 ;从而有RSSu＝0.03555＋0.00336=0.0389 F统计量为 Eviews应用步骤： View——stability test ——chow breakpoint test 输入断点，为第二个数据集的第一个。 ;2、 Chow’s预测检验;二、自变量的选择;;;