計量經(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 哪條線是對真實直線的最好擬合？最接近真實回歸線的樣本回歸線是使從每個樣本數(shù)據(jù)點到樣本回歸線的距離平方和最小的直線。 在這個原則下，參數(shù)的估計值按照如下方式計算： ii2i( X X )( Y Y )b( X X )a Y b X????? ? ? ?????????參數(shù)統(tǒng)計顯著性檢驗 問題：參數(shù)的估計值與 0的差距是否顯著地大（自變量是否對因變量有足夠影響）？參數(shù)估計值是否是真實值得最好近似？ 檢驗方法：假設(shè)檢驗（原假設(shè)：參數(shù)為 0；對立假設(shè)：參數(shù)不為 0） 檢驗統(tǒng)計量： t統(tǒng)計量 顯著性水平：如 5%。含義是：犯第一類錯誤（以真為假）的概率 回歸方程的評估 對回歸方程的整體解釋能力進(jìn)行檢驗。 檢驗統(tǒng)計量：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 一個例子：美國的咖啡消費， 19701980年 美國咖啡消費（ Y）與平均真實零售價格（ 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： ? 對回歸結(jié)果的解釋 如果咖啡每磅平均真實零售價格上漲 1美元，每日 平均 咖啡消費可望減少約半杯。假使咖啡的價格降到 0，則平均每人每咖啡消費量可望達(dá)到約 Eviews使用步驟 ? 創(chuàng)建工作文件，導(dǎo)入數(shù)據(jù) ? 校對數(shù)據(jù) ? 考察數(shù)據(jù) ? 回歸估計 ? 檢驗 ? 修訂方程 ? 預(yù)測
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1