計(jì)量經(jīng)濟(jì)學(xué)初步ppt課件-資料下載頁
2025-05-03 07:37本頁面
【正文】 dinary Least Squares, OLS)在回歸分析中的應(yīng)用 哪條線是對(duì)真實(shí)直線的最好擬合？最接近真實(shí)回歸線的樣本回歸線是使從每個(gè)樣本數(shù)據(jù)點(diǎn)到樣本回歸線的距離平方和最小的直線。 在這個(gè)原則下，參數(shù)的估計(jì)值按照如下方式計(jì)算： ii2i( X X )( Y Y )b( X X )a Y b X????? ? ? ?????????參數(shù)統(tǒng)計(jì)顯著性檢驗(yàn) 問題：參數(shù)的估計(jì)值與 0的差距是否顯著地大（自變量是否對(duì)因變量有足夠影響）？參數(shù)估計(jì)值是否是真實(shí)值得最好近似？ 檢驗(yàn)方法：假設(shè)檢驗(yàn)（原假設(shè)：參數(shù)為 0；對(duì)立假設(shè)：參數(shù)不為 0） 檢驗(yàn)統(tǒng)計(jì)量： t統(tǒng)計(jì)量 顯著性水平：如 5%。含義是：犯第一類錯(cuò)誤（以真為假）的概率 回歸方程的評(píng)估 對(duì)回歸方程的整體解釋能力進(jìn)行檢驗(yàn)。 檢驗(yàn)統(tǒng)計(jì)量：可決系數(shù) R2，該數(shù)越大，說明（整體 )自變量與因變量之間的相關(guān)程度越高 F統(tǒng)計(jì)量 ? 多元線性回歸 Y = a + bX + cW +dZ ? 非線性回歸（轉(zhuǎn)化為線性回歸） Y = a + bX + cX2 + dX3 LnY = a + b LnX + cLnW 一個(gè)例子：美國的咖啡消費(fèi)， 19701980年 美國咖啡消費(fèi)（ Y）與平均真實(shí)零售價(jià)格（ X）的關(guān)系。樣本區(qū)間： 19701980 年 份 Y（每人每日杯數(shù)） X（每磅美元） 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 ? 回歸軟件： Eviews ? 回歸結(jié)果： ? 對(duì)回歸結(jié)果的解釋 如果咖啡每磅平均真實(shí)零售價(jià)格上漲 1美元，每日 平均 咖啡消費(fèi)可望減少約半杯。假使咖啡的價(jià)格降到 0，則平均每人每咖啡消費(fèi)量可望達(dá)到約 Eviews使用步驟 ? 創(chuàng)建工作文件，導(dǎo)入數(shù)據(jù) ? 校對(duì)數(shù)據(jù) ? 考察數(shù)據(jù) ? 回歸估計(jì) ? 檢驗(yàn) ? 修訂方程 ? 預(yù)測(cè)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1