简单线性回归案例课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《简单线性回归案例课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 简单 线性 回归 案例 课件
- 资源描述:
-
1、v建立我国1978-2019年最终消费支出与国内生产总值之间的回归模型,进行参数以及总体的显著性检验,并对经济模型进行预测。一、统计分析v1、图形分析:在估计模型前,可以借助图形可以直观观察经济变量的变动规律和相关关系。v2、相关性分析v3、因果关系分析二、模型实际操作v在Eviews对话框中,点击Quick菜单中Equation Estimation选项,在Equation specification对话框中键入变量y c x,其中的c是指一个常量。然后在Estimation settings 对话框中method(方法)下选择LS-Least Squares(NLS and ARMA),即
2、最小二乘法。sample(样本)中的1978 2019表示的是起止年份。vls gdp c cons三、输出结果说明v回归系数(coefficient):每个系数乘相应的解释变量就形成了对被解释变量的最佳预测。系数度量的是它所对应的解释变量对于预测的贡献。C的系数序列是回归中的常数项或截距项,它表示所有其他解释变量取零时预测的基础水平。其他参数可以解释为对应解释变量和被解释变量之间的斜率关系。v标准差(std.error,SE):主要用于衡量回归系数的统计可靠性。标准误差越大,回归系数估计值越不可靠。根据回归理论,回归系数的真值位于系数估计值一个标准差之间的概率大约为2/3,位于两个标准差之内
3、的概率大约为95%。vT统计量(t-Statistic):这是在假设检验中用来检验系数是否等于某一特定值的统计量。T统计量检验的是某个系数是否为零(即该变量是否不存在于回归模型中),它等于系数与其标准误差之比。如果t统计量的值大于1,则该系数的真值至少有2/3的可能性不为零,如果t统计量的值大于2,则该系数的真值至少有95%的可能性不为零。v双侧概率(prob):此列显示了在t分布中取得前一列的t统计量的概率。通过这一信息可以方便地分辨出是拒绝还是接受系数真值为零的假设。在正常情况下,概率低于0.05即可认为对应系数显著不为零。v可决系数(R-squared):R2衡量的是在样本范围内用回归来
4、预测被解释变量的好坏程度。R2=1说明回归拟合很完美,若R2=0,则回归拟合程度较差,R2是被解释变量能够被解释变量所解释的部分。注意,如果回归没有截距项或常数项,R2可能是负值。v调整的可决系数(adjusted R-squared):它与R2相当接近,只是在方差的度量上有微小差异,数值比R2小。v回归标准误差(SE of regression):这是一个对预测误差大小的总体度量。它和被解释变量的单位相同,是对残差大小的度量。大约2/3的残差将落在正负一个标准误差的范围内,而95%的残差将落在正负两个标准残差的范围内。v残差平方和(Sum squared resid):它是残差的平方和,可以
5、用作一些检验的输入值。v对数似然估计值(Log likelihood):这是在系数估计值的基础上对对数似然函数的估计值(假定误差服从正态分布)。可以通过观察方程的约束式和非约束式的对数似然估计值的差异来进行似然比检验。vDW统计量(Durbin-Watsonstat):这是对序列相关性进行检验的统计量,如果它比2小很多。则证明这个序列正相关。v赤池信息准则(Akaike info criterion):即AIC,它对方程中的滞后项数选择提供指导。它是在残差平方和的基础上进行的。在特定条件下,可以通过选择是AIC达到最小的方式来选择最优滞后分布的长度,AIC的值越小越好。v施瓦茨准则(Schwa
展开阅读全文