第二章+一元线性回归模型（新）

《第二章+一元线性回归模型（新）》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、简要说明一元线性回归分析，其对象是两个变量之间属于单向因果关系，它是经典计量经济分析的基础。掌握一元线性回归分析的原理和技术，对于进一步学习多元回归分析和其他计量经济分析方法都有帮助。第2章一元线性回归模型2.1回归模型的基本假定2.1.1回归分析概述1.回归一词的历史渊源2.回归的现代释义3.回归分析与相关分析4.回归与因果关系2.1.2总体回归方程与样本回归方程1.一个假想的例子2.总体回归函数3.总体回归函数的随机设定:随机干扰项包含的具体内容4.样本回归函数3.随机扰动项包含的内容模型中未知的影响因素(或变量)和无法取得数据的已知因素众多细小影响因素(指已知且数据可以获得)数据的观测

2、误差模型形式的设定误差变量的内在随机性2.2一元线性回归模型的参数估计2.2.1基本假定2.2.2普通最小二乘法2.2.3最小二乘估计量的性质2.2.4借助EViews软件进行分析工作文件的创建录入样本数据最小二乘估计2.2.1一元线性回归模型的基本假定为了对回归估计进行有效的解释，就必须对随机扰动项和解释变量进行科学的抽象即假定，即回归模型的基本假定。具体包括：解释变量是确定性变量,而非随机变量;回归模型是正确设定的,不存在设定偏差;随机扰动项的均值为零，即E（μ)=0等方差,即Var(μi)=Ơ2。该假定表明，对于xi，随机扰动项μi的方差等于一个常数Ơ2，即解释变量xi取不同的值时，随

3、机扰动项μi相对于各自均值的分散程度是相同的。接前页随机扰动项之间无自相关。即COV（μi,μj)=0。即该假定表明，随机扰动项之间是相互独立的。解释变量与随机扰动项不相关。即COV（xi,μi)=0。该假定表明，解释变量xi与随机扰动项μi相互独立，互不相关。也就是两者对被解释变量Y的影响是完全独立的。2.2.2普通最小二乘法见P39,即常说的OLS法2.2.3最小二乘估计量的性质线性性无偏性最小方差性2.2.4借助EViews软件进行分析工作文件的创建录入样本数据最小二乘估计回归分析方法包括的步骤根据观测值求出样本回归模型的参数估计值；建立回归方程；对方程进行显著性检验；利用回归方程进行

4、经济预测。（六）举例依据某市1980—2006年期间居民人均可支配收入（X）和人均消费性支出（Y）资料，对两个变量进行线性回归分析，并对所得结果进行讨论。分析步骤：可以进行手工计算，也可以通过统计分析软件进行。确定变量间的函数形式时，可用Eviews软件做散点分布图；然后对变量进行回归，即可得到回归结果。2.3一元线性回归模型检验2.3.1.拟合优度检验（即r2检验）2.3.2.回归参数显著性检验2.2.3参数的置信区间YX（X,Y)Ŷ=a+bXŸŶ-ŸY-ŸY-Ŷ0离差分解图2.3.1拟合优度检验（即r2检验）拟合优度：是评价回归分析、参数估计优劣的根本标准，即回归直线对样本数据的吻合程度

5、，称为拟合优度或拟合良度。回归直线对样本数据的拟合优度，一方面取决于回归直线的选择，另一方面取决于样本数据的分布。判定系数：将回归平方和与总离差平方和之比称为判定系数，也称样本决定系数、可决系数。其值界于0~1之间。2.3.2.回归参数显著性检验即参数估计量的t检验2.5案例分析建立理论模型数据查找样本模型模型检验模型预测软件实现过程