回歸分析基本方法：最小二乘法.ppt

《回歸分析基本方法：最小二乘法.ppt》由會員分享，可在線閱讀，更多相關《回歸分析基本方法：最小二乘法.ppt（45頁珍藏版）》請在裝配圖網(wǎng)上搜索。

假設檢驗的基本思想基于小概率原理的反證法,二、假設檢驗的步驟,1、提出假設，包括原假設和備擇假設2、構造相應的檢驗統(tǒng)計量，確定其分布形式；根據(jù)樣本數(shù)據(jù)計算統(tǒng)計量的值；3、確定顯著性水平?和臨界值；4、作出結論。（根據(jù)所計算的統(tǒng)計量的值與臨界值比較確定是否拒絕原假設）,原假設TheNullHypothesis,1.陳述需要檢驗的假設例如:H0:??=452.原假設用H0表示3.總是包含等號“=”（比如=,?,?)4.檢驗以“假定原假設為真”開始,平均每天上網(wǎng)玩游戲時間不是5小時。,如何設定假設檢驗？,H0:?=5H1:???5,例題1,據(jù)報導，美國全職教授年薪的數(shù)學期望值為68000美元，標準差為5000美元。一個由36名大學全職教授組成的樣本表明，平均薪水為72000美元，檢驗報導的可信性。（顯著性水平為0.02）,,H0,,臨界值,臨界值,?/2,,?/2,樣本統(tǒng)計量,,,,,拒絕域,拒絕域,非拒絕域,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,接受域與拒絕域,抽樣分布,1-?,,置信度,,（1）H0：μ=68000H1；μ≠68000（2）檢驗統(tǒng)計量服從Z分布檢驗統(tǒng)計量:,（3）α=0.02，查正態(tài)分布表得：Z=2.04，接受域為（－2.04，2.04）結論：拒絕假定。,質檢員認為在整個工作流程中平均裝盒量符合標準：沒有超過368克。隨機抽取25盒為樣本，均值?X=372.5克，標準差s=15克。試在?=0.05的條件下進行檢驗。給出你的結論。,,,368克.,例題2,,,,,,,,,,,,,,,,,,,,,,,,,,,t,0,?,,,拒絕H,0,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,t,0,,,拒絕H,0,,,,?,接受域與拒絕域,H0:?????0H1:??0,,必須顯著低于?才會拒絕,,小的數(shù)值與H0不矛盾.，因此不會拒絕H0,,左側檢驗,右側檢驗,（1）H0：μ≤368H1；μ>368（2）檢驗統(tǒng)計量服從t分布檢驗統(tǒng)計量:,（3）α=0.05，查t分布表得：t=2.064，接受域為（－∞，2.064）結論：接受原假定。,假設檢驗中的兩類錯誤檢驗決策錯誤,第一類錯誤棄真錯誤,后果往往較為嚴重出現(xiàn)第一類錯誤的概率為?,等于顯著性水平第二類錯誤存?zhèn)五e誤,出現(xiàn)第二類錯誤的概率為??,,檢驗決策結果,,,,,,,,,,,,,,,,,,,,,實際情況,,,,,實際情況,,,,,,,,,,,,,,,,,,,,,,,,,,,H0為真,,,H0為假,,,決策,,H,0,為真,,H,0,為假,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,不拒絕,,正確,錯誤,,不拒絕,,,H,0,置信水平1-α,第二類錯誤?,,,,,,,,,,,,,,,,,,,,,,,,拒絕,,錯誤,正確,,拒絕,,H,0,,第一類錯誤?,檢驗能力1-?,,,第三章回歸分析的基本方法：最小二乘法,本章重點,經(jīng)濟學理論模型最小二乘法實例應用,2020/6/8,14,中山大學南方學院經(jīng)濟系,,,本章分析思路,建立經(jīng)濟學的理論模型運用最小二乘法進行參數(shù)估計實例運用,2020/6/8,中山大學南方學院經(jīng)濟系,15,,,回歸分析,研究步驟：首先，要確定所研究的問題（因變量），并根據(jù)經(jīng)濟理論，找出與該問題相關的、有影響力的經(jīng)濟因素（自變量），并建立因變量與自變量的關系式（經(jīng)濟模型）。,2020/6/8,中山大學南方學院經(jīng)濟系,16,,其次，按照科學的方法收集相應變量的實際數(shù)據(jù)。最后，對所研究的問題作出結論。,2020/6/8,中山大學南方學院經(jīng)濟系,17,第一節(jié)理論模型的建立,簡單回歸模型是指兩個變量的線性模型，其中一個是因變量，一個是自變量。也稱為“二元線性方程”。用數(shù)學公式表示就是：,2020/6/8,中山大學南方學院經(jīng)濟系,18,,建立x解釋y的模型時，面臨三個問題：（1）既然兩個變量之間沒有一個確切的關系，應該如何考慮其他影響Y的因素？（2）Y和X的函數(shù)關系是怎樣的？（3）怎樣知道是否準確測定出了y和x之間的關系（因果性效應）？,2020/6/8,中山大學南方學院經(jīng)濟系,19,20,計量經(jīng)濟學分析的應用：y和x：某一個總體的兩個變量感興趣：用x來解釋y，或者說是研究y如何隨x而變化如：（Y）大豆的產(chǎn)出與（X）化肥的用量；（Y）工資收入與（X）受教育的年數(shù)；（Y）社區(qū)的犯罪率與（X）警察的數(shù)量。,,,在自己建立經(jīng)濟模型的過程中，如何取舍解釋變量，一定要問個為什么。計量經(jīng)濟學家首先就是要擺事實、講道理，這是作為計量經(jīng)濟學家必備的素質。1、消費與收入之間的關系；2、產(chǎn)品的銷量與產(chǎn)品價格的關系；3、GDP與投資、經(jīng)濟運行的關系。,2020/6/8,中山大學南方學院經(jīng)濟系,21,22,一元回歸的術語,自變量(independentvariable)解釋變量(explanatoryvariable)控制變量(controlvariable)預測變量(predictorvariable)回歸元(regressor),因變量(dependentvariable)被解釋變量(explainedvariable)響應變量(responsevariable)被預測變量(predictedvariable)回歸子(regressand),23,一元回歸模型的定義,變量ε：隨機誤差項或隨機擾動項表示：除X之外其他影響Y的因素,24,隨機誤差項ε的產(chǎn)生,一、理論的不確定性（現(xiàn)象的內(nèi)在隨機性）二、模型的簡化核心變量與非核心變量忽略影響較小的因素三、數(shù)據(jù)測量、收集的誤差四、模型函數(shù)形式設定錯誤,25,模型表述了Y和X之間的線性關系。簡單線性回歸模型（Simplelinearregressionmodel）又稱做兩變量或雙變量線性回歸模型(Thetwovariableregressionmodel)β：y和x關系式中的斜率參數(shù)（slopeparameter）α：截距參數(shù)（interceptparameter）,26,例1大豆產(chǎn)出和施肥量,農(nóng)業(yè)研究者對（其他因素不變時）化肥用量如何影響大豆產(chǎn)出量感興趣。隨機誤差項ε包括了：土壤質量、降雨量等因素影響的效果由β給出系數(shù)β度量了在其他條件不變的情況下，施肥量對產(chǎn)出量的影響：Δyield=βΔfertilizer,假使大豆的產(chǎn)出由以下模型所決定：,27,例2簡單的工資方程,表示一個人的工資水平與他的受教育程度及其他非觀測因素的關系：,Wage:工資水平Educ:受教育的年數(shù)β:(在其他條件不變的情況下)每增加一年教育所獲得的工資增長。其他非觀測因素ε線性性顯示，不管X的初始值為多少，它的任何一單位變化對Y的影響都是相同的。,28,計量經(jīng)濟分析中的因果性效應與其他條件不變,其他條件不變：包含在隨機誤差項中的其他所有相關因素均保持固定不變。因果性效應：其他條件不變情況下，一個變量對另一個變量產(chǎn)生的影響。,第二節(jié)實際數(shù)據(jù)的收集,當我們建立了經(jīng)濟理論上的關系式后，接下來就要從實際中收集數(shù)據(jù)。Y和X是兩個變量，我們要收集有關Y和X的數(shù)據(jù)，就要對N個研究對象進行觀察，從而收集到N組數(shù)據(jù)，這每一組數(shù)據(jù)叫做一個“樣本”，每個樣本有一個對應的Y與X的值。,2020/6/8,中山大學南方學院經(jīng)濟系,29,,于是，我們的回歸模型就可以表示為：我們用所得到的數(shù)據(jù)，采用回歸分析的方法來對模型中的參數(shù)進行估計。這樣我們就可以得到參數(shù)的估計值。被普遍采用的方法是“最小二乘法”。,2020/6/8,中山大學南方學院經(jīng)濟系,30,,,第三節(jié)最小二乘法,普通最小二乘估計量(ordinaryleastsquares)OLS估計量,2020/6/8,中山大學南方學院經(jīng)濟系,31,32,（1）OLS殘差的平方和最小。數(shù)學表述為：,OLS估計量的代數(shù)性質,OLS估計值是以使殘差和為零的參數(shù)估計值來選擇的。,即OLS的一階條件,,我們試圖找到這樣一條直線，它到每一實際落點的距離的總和為最小。由于實際落點到直線的距離有正也有負值，即誤差有正值和負值，我們用誤差項的平方值來測定其絕對距離。所以我們可以通過全微分來求極值。,2020/6/8,中山大學南方學院經(jīng)濟系,33,,我們得出：設一階導數(shù)為零，可得：,2020/6/8,中山大學南方學院經(jīng)濟系,34,2020/6/8,中山大學南方學院經(jīng)濟系,35,然后我們再求二階偏導：由于二階偏導大于零，所以我們確信這種所求的結果是最小值。這就是最小二乘法。,2020/6/8,中山大學南方學院經(jīng)濟系,36,一元線性回歸模型的假設條件,2020/6/8,中山大學南方學院經(jīng)濟系,37,1.X與Y之間的關系是線性的。2.X是非隨機的變量，它的值是確定的。3.誤差項的期望為0：E(εi)=0。4.對于所有觀測值，誤差項具有相同的方差，即E(ε2)=σ2——同方差假定5.隨機變量εi之間統(tǒng)計上是獨立的，因此對所有的i≠j，E(εiεj)=0—無序列相關假定6.誤差項服從正態(tài)分布。假設1—5：古典線性回歸模型的定義,第四節(jié)最小二乘法實用實例,計量經(jīng)濟的回歸分析主要是根據(jù)經(jīng)濟理論的數(shù)學模型和實際的經(jīng)濟數(shù)據(jù)來計算出符合實際的、可應用經(jīng)濟分析的參數(shù)方程。例如：我們估算某個地區(qū)的消費函數(shù)。根據(jù)經(jīng)濟理論，人們的消費額取決于他們的收入，也就是說消費與收入有線性關系，消費是因變量，收入是自變量。收入越多消費也越多，收入越少消費也越少。,2020/6/8,中山大學南方學院經(jīng)濟系,38,,用數(shù)學模型表示如下：這里，C表示因變量消費額，Y表示可支配收入。按照經(jīng)濟理論，參數(shù)系數(shù)應該大于零，或者說消費額與可支配收入的正相關的關系。,2020/6/8,中山大學南方學院經(jīng)濟系,39,,我們把收集到的數(shù)據(jù)做成一個散點圖。并用回歸方法估計出來的回歸結果如下（表3-2）:C=131.8368+0.8663*Y這個分析的結果告訴我們，當收入等于零時，此人應該靠借大約132元來度日；人均的消費是收入的86.6％，也就是說，平均每掙一百元，應該花掉八十六元六角三分錢。,2020/6/8,中山大學南方學院經(jīng)濟系,40,這樣，我們先從理論上的經(jīng)濟模型入手，再有采集的實際經(jīng)濟數(shù)據(jù)，然后用計量經(jīng)濟學的回歸分析方法估計出適合于實際數(shù)據(jù)的數(shù)學模型。當然，我們還要對這個估計出來的數(shù)學模型進行統(tǒng)計測試，檢驗其估計參數(shù)的合理性和有效性。當其估計參數(shù)被測試為合理并且有效時，我們就可以說我們的經(jīng)濟理論被實踐證明是正確的。這樣，我們也就可以用這個模型來進行經(jīng)濟預測。,2020/6/8,中山大學南方學院經(jīng)濟系,41,,以上的例題，我們用的是一個橫截面的數(shù)據(jù)來進行回歸分析的，同時我們也可以用時間序列數(shù)據(jù)來進行分析，分析的方法和步驟也是一樣的。如我們分析不同年份的消費與可支配收入的關系。,2020/6/8,中山大學南方學院經(jīng)濟系,42,第五節(jié)最小二乘法,在實際經(jīng)濟研究過程中，我們所面對的理論模型往往有幾個或者很多自變量。那么，簡單的模型就不夠用了。下面我們來簡單討論一下多變量的通用模型。當數(shù)據(jù)中有一個因變量和K個自變量時，那么我們的回歸分析模型就應該是：,2020/6/8,中山大學南方學院經(jīng)濟系,43,,這里，i=1,2,…,n.β是估計參數(shù)，也就是模型的系數(shù)。E是模型的誤差項。如果我們用矩陣的方式來表示就是：Y＝Xβ＋e如果我們用實際數(shù)據(jù)來估計一個線性模型Y＝Xβ＋e，β是這個模型中的真實的參數(shù)值。,2020/6/8,中山大學南方學院經(jīng)濟系,44,最佳估計值,當估計值滿足以下三個條件的時候，我們求出的估計值是最佳的估計值。（1）“線性的”是指Y＝Xβ＋e這個線性模型；（2）“無偏的”是指E(β)=β。（3）“最好的”是指估計參數(shù)的方差會是最小的。只有當這些條件都滿足了，我們的估計參數(shù)才是最優(yōu)的。,2020/6/8,中山大學南方學院經(jīng)濟系,45,