四、预测 假设我们有一组样本观测值X和Y1,我们用最小二乘法对双 变量模型的参数进行了估计。现要对自变量的一具体值X来 预测与X相应的因变量值Y0。若原模型设定 Yia+Bx+u 对预测期也成立,即 Yo=a+BXo+uo 则因变量的点预测值为: Y=a+BX 测误差
四、预测 假设我们有一组样本观测值Xt和Yt，我们用最小二乘法对双 变量模型的参数进行了估计。现要对自变量的一具体值X0来 预测与X0相应的因变量值Y0。若原模型设定 Yt=α+βXt+ ut 对预测期也成立，即 Y0=α+βX0+u0 则因变量的点预测值为： 0 ˆ Y =ˆ + ˆ X0 预测误差 0 e =Y0 - 0 ˆ Y
其方差为 amr(e0)=a21+-+ 1(X0-X) 我们有 t(n-2) G,|+-+0 Y0的95%的置信区间为 +B0±toG,1+-+-0 n∑x
其方差为 我们有 ～t（n-2） Y0的95%的置信区间为 − = + + 2 2 2 0 0 1 ( ) ( ) 1 t x X X n Var e − + + − 2 2 0 0 0 1 ( ) ˆ 1 ˆ t x X X n Y Y − + + + 2 2 0 0 0.025 1 ( ) ˆ 1 ˆ ˆ t x X X n X t
回归模型的两个特点 1建立在某些条件不便前提下抽象出来的 回归函数不能百分之百地再现所研究的 经济过程; 2也正是由于这些假定与抽象,才使我们 能够透过复杂的经济现象,深刻认识该过 程的本质 (两面性)
回归模型的两个特点 • 1.建立在某些条件不便前提下抽象出来的 回归函数不能百分之百地再现所研究的 经济过程; • 2.也正是由于这些假定与抽象,才使我们 能够透过复杂的经济现象,深刻认识该过 程的本质. • (两面性)
新概念 矩阵运算 调整的判定系数 F检验 偏回归系数
新概念 • 矩阵运算 • 调整的判定系数 • F检验 • 偏回归系数
第三章多元线性回归模型 多元线性回归模型 多元线性回归模型的参数估计 °多元线性回归模型的统计检验 多元线性回归模型的预测 回归模型的其他形式 回归模型的参数约束
第三章 多元线性回归模型 • 多元线性回归模型 • 多元线性回归模型的参数估计 • 多元线性回归模型的统计检验 • 多元线性回归模型的预测 • 回归模型的其他形式 • 回归模型的参数约束