Eviews应用 中国人民大学统计学院 易丹辉,二 六年十一月,2,概 述,数据的基本类型 测量的层次 定类测量 按事物的属性分类测量 运算：是、否；=、 定序测量 按事物的大小、高低顺序测量 运算： =、 ； 、,3,定距测量 按事物大小、高低之间的距离测量 运算： =、 ； 、 、；+、； 、,4,一、 一元线性回归模型,（一） 模型形式 理论模型 实际模型 预测模型（估计模型） 模型的基本假定 （二） 参数估计 最小二乘的基本思想 估计方法 回归系数的实际意义,5,（三） 模型检验 1. 回归系数的显著性检验 参数的t检验 作用 检验统计量 检验标准 2. 残差序列的自相关检验 D.W.检验 作用 检验统计量 d 检验标准,6,导致残差序列的自相关的原因 数学模型选择不合适 模型中包含的自变量数目不合适 序列包含很强的趋势分量 滞后性 3. 残差序列的正态性检验 JB检验,7,该检验的零假设是样本服从正态分布检验统计量,其中，S和K是样本序列的偏度与峰度，m是产生样本序列时用到的估计系数的个数在零假设下，JB统计量服从 分布,p值接近0，表明至少可在99%的置信水平下拒绝零假设，即序列不服从正态分布,8,4. 拟合优度检验 检验 5. 回归标准差检验 相对指标 （四）精度评价 MAPE,9,二、多元线性回归模型,（一） 模型形式 理论模型 实际模型 预测模型（估计模型） 模型的基本假定 （二） 参数估计 最小二乘的基本思想 估计方法 回归系数的实际意义,10,（三） 模型检验 1. 回归系数的显著性检验 参数的t检验 作用 检验统计量 检验标准 参数t检验通不过的原因 变量不是影响因变量的显著因素 自变量间共线性,11,2. 回归方程的显著性检验 回归方程的F检验 作用 检验统计量 检验标准 3. 和修正的 （ ） 4. 其它检验,12,（四） 自变量的选择与共线性 1. 自变量的选择 2. 共线性的识别 3. 共线性的消除 4. 逐个剔除法,13,（五） 滞后变量模型 1. 有限分布滞后模型 仅自变量滞后的模型 2. 自回归模型 因变量滞后的模型,14,（六）虚拟变量模型 1. 虚拟变量的定义 当解释变量不是定量测量数据，或在不同的情况下，所产生的结果不同，就需要将解释变量区分开，可以采用设虚拟变量的方法。 虚拟变量是取值仅取1或0的变量。一般，基础类型、肯定类型取值“1”，比较类型、否定类型取值“0”。,15,2. 虚拟变量设置原则 若某一定性变量有m种情况（状态），设虚拟变量时，只能有m-1个。 3. 虚拟变量引入对模型的影响 引入虚拟变量，对模型截距、斜率的影响 对一般的线性回归模型 = + + 引入虚拟变量D,16,（1）加法形式,=,+,+,+,=,=,= 0,：,（ ）,E,17,（2）乘法形式,=,E,（ ）,=,=,+,+,+,：,= 0,18,（3）加法、乘法同时采用,=,+,+,+,+,=,E,（ ）,=,条件：误差项的方差在前后都是一样的,= 0,= 0,：,：,19,4. 虚拟变量的应用 （1） 分离异常因素影响 政策因素 制度因素 季节因素 季节变动：时间序列可以计算季节指数， 多元回归中可以利用虚拟变量 例：某地区每月天气湿度对温度的影响 制度变化：时间分期，分段回归,20,（2）检验不同属性类型因素对因变量的影响 解释变量为属性数据 例：不同年龄、不同文化程度的行为 （3）提高模型预测精度 不同属性类型样本数据合并， 相当于扩大样本容量,21,三、可线性化的非线性回归模型,（一） 模型形式 1. 一元函数曲线模型 2. 多项式回归模型 3. 多元函数曲线模型 （二） 参数估计 最小二乘法 1. 直接代换 2. 对数变换,22,（三）模型分析与评价 1. 模型检验 采用最小二乘法估计参数 需进行线性回归的各种检验 2. 模型适用性分析 定性与定量相结合 弹性分析,