1、利用下表给出的我国人均消费支出与人均可支配收入数据回答下列问题：（1）这是一个时间序列回归还是横截面序列回归？
（2）建立回归方程；
（3）如何解释斜率？
（4）对参数进行显著性检验。
（5）如果某人可支配收入是1000元，求出该人的消费支出的点预测值。（6）求出该人消费支出95℅置信水平的区间预测。
1998年我国城镇居民人均可支配收入与人均消费性支出单位：元
2、下表给出了1988年9个工业国的名义利率(y)与通货膨胀(X)的数据：
（1）以利率为纵轴，通货膨胀率为横轴作图。
（2）用OLS方法进行回归分析，写出求解步骤.。
（3）如果实际利率不变，则名义利率与通货膨胀率的关系如何？即在Y对X的回归中，斜率如何？
3、假设某国的货币数量与国民收入的历史数据如下表所示：
请回答以下问题：
（1）做出散点图，然后估计货币数量y对国民收入x的回归方程，并把回归直线画在散点图上。
（2）如何解释回归系数的含义？
（3）如果希望1997年国民收入达到15.0，那么应该把货币供应量定在什么水平上？
4、改革开放以来，我国的国民经济取得了快速增长。下表是我国1980年到1998年的国内生产总值和固定资产投资总额的数据关系。估计两者之间的回归关系。
5、下表给出了美国30所知名学校的MBA学生1994年基本年薪（ASP），GPA分数（从1~4共四个等级），GMAT分数以及每年学费的数据。
（1）用一元线性回归模型分析GPA是否对ASP有影响？
（2）用合适的回归模型分析GMAT分数是否与ASP有关系？
（3）每年的学费与ASP有关吗？你是如何知道的？如果两变量之间正相关，是否意味着进最高费用的商业学校是有利的。
（4）你同意高学费的商业学校意味着高质量的MBA成绩吗？为什么？
1994年MBA毕业生平均初职薪水
2.3拟合优度的度量 一、判断题 1.当 ()∑-2i y y 确定时，()∑-2 i y y ?越小，表明模型的拟合优度越好。（F ） 2.可以证明，可决系数2R 高意味着每个回归系数都是可信任的。（F ） 3.可决系数2R 的大小不受到回归模型中所包含的解释变量个数的影响。（F ） 4.任何两个计量经济模型的2R 都是可以比较的。（F ） 5.拟合优度2R 的值越大，说明样本回归模型对数据的拟合程度越高。（ T ） 6.结构分析是2R 高就足够了，作预测分析时仅要求可决系数高还不够。（ F ） 7.通过2R 的高低可以进行显著性判断。（F ） 8.2R 是非随机变量。（F ） 二、单项选择题 1．已知某一直线回归方程的可决系数为0.64，则解释变量与被解释变量间的线性相关系数为（ B ）。 A ．±0.64 B ．±0.8 C ．±0.4 D ．±0.32 2．可决系数2R 的取值范围是（ C ）。 A ．2R ≤-1 B ．2R ≥1 C ．0≤2R ≤1 D ．－1≤2R ≤1 3.下列说法中正确的是：（ D ） A 如果模型的2R 很高，我们可以认为此模型的质量较好 B 如果模型的2R 较低，我们可以认为此模型的质量较差 C 如果某一参数不能通过显著性检验，我们应该剔除该解释变量 D 如果某一参数不能通过显著性检验，我们不应该随便剔除该解释变量 三、多项选择题 1．反映回归直线拟合优度的指标有（ ACDE ）。 A ．相关系数 B ．回归系数 C ．样本可决系数 D ．回归方程的标准差 E ．剩余变差（或残差平方和） 2．对于样本回归直线i 01i ???Y X ββ+＝，回归变差可以表示为（ ABCDE ）。 A ．2 2i i i i ?Y Y -Y Y ∑ ∑ （－） （－） B ．2 2 1 i i ?X X β∑ （－） C ．2 2 i i R Y Y ∑ （－） D ．2 i i ?Y Y ∑（－） E ．1 i i i i ?X X Y Y β∑ （－（）－） 3．对于样本回归直线i 01i ???Y X ββ+＝，?σ为估计标准差，下列可决系数的算式中，正确的有（ ABCDE ）。 A ．2i i 2 i i ?Y Y Y Y ∑∑（－）（－） B ．2i i 2 i i ?Y Y 1Y Y ∑∑ （－）－（－）
第二章 简单线性回归模型 一、单项选择题 1．影响预测误差的因素有（ ） A ．置信度 B ．样本容量 C ．新解释变量X 0偏离解释变量均值的程度 D ．如果给定值X 0等于X 的均值时，置信区间越长越好。 2．OLS E 的统计性质（ ） A ．线性无偏性 B ．独具最小方差性 C ．线性有偏 D ．β∧ 是β的一致估计 3．OLSE 的基本假定（ ） A ．解释变量非随机 B ．零均值 C ．同方差 D ．不自相关 4.F 检验与拟合优度指标之间的关系( ) A ． 21111n p p R --?? ?- ?-?? B ． 21111n p p R --?? ?- ?-?? C ． 2111n p p R -???- ?-?? D ． 2111n p p R -???- ?-?? 5．相关分析和回归分析的共同点( ) A ．都可表示程度和方向 B ．必须确定解释(自)变量和被解释(因)变量 C ．不用确定解释(自)变量和被解释(因)变量 D ．都研究变量间的统计关系 6．OLS E 的基本假设有（ ） A ．解释变量是随机的 B ．随机误差项的零均值假设
C ．随机误差项同方差假设 D ．随机误差项线性相关假设 7．与 2 ()() 1 ()1i i i n x x y y i n x x i - --==∑∑ 等价的式子是（ ） A ．2 2 1()1i i i n x y nx y i n x n x i -=-=∑∑ B ．2()1()1i i i n x x y i n x x i --==∑∑ C ．2()1()1i i i n x x x i n x x i -=-=∑∑ D ．xy xx L L 8．下列等式正确的是（ ） A ．SSR=SST+SSE B ．SST=SSR+SSE C ．SSE=SSR+SST D ．SST=SST ×SSE 9．无偏估计量i β的方差是（ ） A ． 2 1 () n j j X X σ=-∑ B ． 2 2 1 ()n j j X X σ=-∑ C ． 2 () n j j X X σ=-∑
案例分析报告（2014——2015学年第一学期） 课程名称：预测与决策 专业班级：电子商务1202 学号：2204120202 学生姓名：陈维维 2014 年11月
案例分析（一元线性回归模型） 我国城镇居民家庭人均消费支出预测 一、研究目的与要求 居民消费在社会经济的持续发展中有着重要的作用，居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。从理论角度讲，消费需求的具体内容主要体现在消费结构上，要增加居民消费，就要从研究居民消费结构入手，只有了解居民消费结构变化的趋势和规律，掌握消费需求的热点和发展方向，才能为消费者提供良好的政策环境，引导消费者合理扩大消费，才能促进产业结构调整与消费结构优化升级相协调，才能推动国民经济平稳、健康发展。例如，2008年全国城镇居民家庭平均每人每年消费支出为11242.85元，最低的青海省仅为人均8192.56元，最高的上海市达人均19397.89元，上海是黑龙江的2.37倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费，由于各地区的城镇与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城镇居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。 所以模型的被解释变量Y选定为“城镇居民每人每年的平均消费支出”。 因为研究的目的是各地区城镇居民消费的差异，并不是城镇居民消费在不同时间的变动，所以应选择同一时期各地区城镇居民的消费支出来建立模型。因此建立的是2008年截面数据模型。影响各地区城镇居民人均消费支
2.2 简单线性回归模型参数的估计 一、判断题 1.使用普通最小二乘法估计模型时，所选择的回归线使得所有观察值的残差和达到最小。（F) 2.随机扰动项和残差项是一回事。（F ） 3.在任何情况下OLS 估计量都是待估参数的最优线性无偏估计。（F ） 4.满足基本假设条件下，随机误差项i μ服从正态分布，但被解释变量Y 不一定服从正态分 布。 （ F ） 5.如果观测值i X 近似相等，也不会影响回归系数的估计量。 （ F ） 二、单项选择题 1．设样本回归模型为i 01i i ??Y =X +e ββ+，则普通最小二乘法确定的i ?β的公式中，错误的是（ D ）。 A ． ()() () i i 1 2 i X X Y -Y ?X X β--∑∑＝ B ．() i i i i 12 2i i n X Y -X Y ? n X -X β∑∑∑∑∑＝ C ．i i 122i X Y -nXY ?X -nX β∑∑＝ D ．i i i i 12x n X Y -X Y ?βσ∑∑∑＝ 2．以Y 表示实际观测值，?Y 表示回归估计值，则普通最小二乘法估计参数的准则是使（ D ）。 A ．i i ?Y Y 0∑（－）＝ B ．2 i i ?Y Y 0∑ （－）＝ C ．i i ?Y Y ∑（－）＝最小 D ．2 i i ?Y Y ∑ （－）＝最小 3．设Y 表示实际观测值，?Y 表示OLS 估计回归值，则下列哪项成立（ D ）。 A ．?Y Y ＝ B ．?Y Y ＝ C ．?Y Y ＝ D ．?Y Y ＝ 4．用OLS 估计经典线性模型i 01i i Y X u ββ+＝＋，则样本回归直线通过点（ D ）。 A ．X Y （，） B ． ?X Y （，） C ．?X Y （，） D ．X Y （，） 5．以Y 表示实际观测值，?Y 表示OLS 估计回归值，则用OLS 得到的样本回归直线i 01i ???Y X ββ+＝满足（ A ）。 A ．i i ?Y Y 0∑（－）＝ B ．2 i i Y Y 0∑ （－）＝ C ． 2 i i ?Y Y 0∑ （－）＝ D ．2i i ?Y Y 0∑ （－）＝ 6．按经典假设，线性回归模型中的解释变量应是非随机变量，且（ A ）。 i u i e
第二章(简单线性回归模型)2-2答案
2.2 简单线性回归模型参数的估计 一、判断题 1.使用普通最小二乘法估计模型时，所选择的回归线使得所有观察值的残差和达到最小。（F) 2.随机扰动项i u 和残差项i e 是一回事。（F ） 3.在任何情况下OLS 估计量都是待估参数的最优线性无偏估计。（F ） 4.满足基本假设条件下，随机误差项i μ服从正态分布，但被解释变量Y 不一定服从正态分 布。 （ F ） 5.如果观测值i X 近似相等，也不会影响回归系数的估计量。 （ F ） 二、单项选择题 1．设样本回归模型为i 01i i ??Y =X +e ββ+，则普通最小二乘法确定的i ?β的公式中，错误的是（ D ）。 A ． ()() () i i 1 2 i X X Y -Y ?X X β--∑∑＝ B ． () i i i i 1 2 2i i n X Y -X Y ?n X -X β ∑∑∑∑∑＝ C ．i i 122i X Y -nXY ?X -nX β∑∑＝ D ．i i i i 12 x n X Y -X Y ?βσ∑∑∑＝ 2．以Y 表示实际观测值，?Y 表示回归估计值，则普通最小二乘法估计参数的准则是使（ D ）。 A ．i i ?Y Y 0∑（－）＝ B ．2 i i ?Y Y 0∑ （－）＝ C ．i i ?Y Y ∑（－）＝最小 D ．2 i i ?Y Y ∑ （－）＝最小 3．设Y 表示实际观测值，?Y 表示OLS 估计回归值，则下列哪项成立（ D ）。 A ．?Y Y ＝ B ．?Y Y ＝ C ．?Y Y ＝ D ．?Y Y ＝ 4．用OLS 估计经典线性模型i 01i i Y X u ββ+＝＋，则样本回归直线通过点（ D ）。 A ．X Y （，） B ． ?X Y （，） C ．?X Y （，） D ．X Y （，） 5．以Y 表示实际观测值，?Y 表示OLS 估计回归值，则用OLS 得到的样本回归直线
第10章 简单线性回归分析 思考与练习参考答案 一、最佳选择题 1．如果两样本的相关系数21r r =，样本量21n n =，那么（ D ）。 A. 回归系数21b b = B ．回归系数12b b < C. 回归系数21b b > D ．t 统计量11r b t t = E. 以上均错 2．如果相关系数r =1，则一定有（ C ）。 A ．总SS =残差SS B ．残差SS =回归 SS C ．总SS =回归SS D ．总SS ＞回归SS E. 回归MS =残差MS 3．记ρ为总体相关系数，r 为样本相关系数，b 为样本回归系数，下列（ D ）正确。 A ．ρ=0时，r =0 B ．|r |＞0时，b ＞0 C ．r ＞0时，b ＜0 D ．r ＜0时，b ＜0 E. |r |=1时，b =1 4．如果相关系数r =0，则一定有（ D ）。 A ．简单线性回归的截距等于0 B ．简单线性回归的截距等于Y 或X C ．简单线性回归的残差SS 等于0 D ．简单线性回归的残差SS 等于SS 总 E ．简单线性回归的总SS 等于0 5．用最小二乘法确定直线回归方程的含义是（ B ）。 A ．各观测点距直线的纵向距离相等 B ．各观测点距直线的纵向距离平方和最小 C ．各观测点距直线的垂直距离相等 D ．各观测点距直线的垂直距离平方和最小 E ．各观测点距直线的纵向距离等于零 二、思考题 1．简述简单线性回归分析的基本步骤。 答：① 绘制散点图，考察是否有线性趋势及可疑的异常点；② 估计回归系数；③ 对总体回归系数或回归方程进行假设检验；④ 列出回归方程，绘制回归直线；⑤ 统计应用。 2．简述线性回归分析与线性相关的区别与联系。
一元线性回归模型 一、单项选择题 1、变量之间的关系可以分为两大类__________。A A 函数关系与相关关系 B 线性相关关系和非线性相关关系 C 正相关关系和负相关关系 D 简单相关关系和复杂相关关系 2、相关关系是指__________。D A 变量间的非独立关系 B 变量间的因果关系 C 变量间的函数关系 D 变量间不确定性的依存关系 3、进行相关分析时的两个变量__________。A A 都是随机变量 B 都不是随机变量 C 一个是随机变量，一个不是随机变量 D 随机的或非随机都可以 4、表示x 和y 之间真实线性关系的是__________。C A 01???t t Y X ββ=+ B 01()t t E Y X ββ=+ C 01t t t Y X u ββ=++ D 01t t Y X ββ=+ 5、参数β的估计量?β 具备有效性是指__________。B A ?var ()=0β B ?var ()β为最小 C ?()0β β－＝ D ?()ββ－为最小 6、对于01??i i i Y X e ββ=++，以σ?表示估计标准误差，Y ?表示回归值，则__________。B A i i ??0Y Y 0σ∑ ＝时，（－）＝ B 2 i i ??0Y Y σ∑＝时，（－）＝0 C i i ??0Y Y σ∑＝时，（－）为最小 D 2 i i ??0Y Y σ∑＝时，（－）为最小 7、设样本回归模型为i 01i i ??Y =X +e ββ+，则普通最小二乘法确定的i ?β的公式中，错误的是__________。D A ()()()i i 1 2 i X X Y -Y ?X X β--∑∑＝ B ()i i i i 1 2 2 i i n X Y -X Y ?n X -X β∑∑∑∑∑＝ C i i 1 2 2 i X Y -nXY ?X -nX β∑∑ ＝ D i i i i 1 2 x n X Y -X Y ?βσ ∑∑∑＝ 8、对于i 01i i ??Y =X +e ββ+，以?σ表示估计标准误差，r 表示相关系数，则有__________。D A ?0r=1σ ＝时， B ?0r=-1σ ＝时， C ?0r=0σ ＝时， D ?0r=1r=-1σ ＝时，或 9、产量（X ，台）与单位产品成本（Y ，元/台）之间的回归方程为?Y 356 1.5X -＝，这说明__________。D
2.2简单线性回归模型参数的估计 、判断题 1. 使用普通最小二乘法估计模型时， （F ） 2. 随机扰动项u i 和残差项e i 是一回事。 （F ） 3. 在 任何情况下OLS 估计量都是待估参数的最 优线性无偏估计。 （F ） 布。 5.如果观测值X i 近似相等，也不会影响回归系数的估计量 】、单项选择题 1.设样本回归模型为 Y i =" ? X i +e i D ）。 A. ?= ■ 1 X i X X i X Y i -Y ? X i Y i -nXY c. - X i 2-nX 2 2 ?以 丫表示实际观测值 ,Y?表示回归估计值， 则普通最小二乘法确定的 ?的公式中, 错误的是 ?n X i Y i - X i Y i i n X i 2- X i 2 ?_ n X i Y i - X i Y i i 1 2 x 则普通最小二乘法估计参数的准则是使 （D ） A. （丫— Y i ）=o c. （Y — ￡ ）=最小 「？ 一 Y A . （X, 丫 ） 5.以丫表示实际观测值， 丫？表示OLS 估计回归值，则用 OLS 得到的样本回归直线 丫 ?一 ?） 4?满足基本假设条件下，随机误差项 i 服从正态分布，但被解释变量 Y 不一定服从正态分 所选择的回归线使得所有观察值的残差和达到最 3. 丫表示实际观测值 丫？表示OLS 估计回归值，则下列哪项成立（ D A. 4.用OLS 估计经典线性模型 Y i — 0 i X i + u i ，则样本回归直线通过点（ .（X, Y?）
满足（A）。 A.（Y i—丫i）一0 B . （Y i —Y）2 - 0 C.（Y—丫）2-0 D .（丫Y）-0 6.按经典假设，线性回归模型中的解释变量应是非随机变量，且（
一元线性回归分析的结果解释 1.基本描述性统计量 分析：上表是描述性统计量的结果，显示了变量y和x的均数(Mean)、标准差(Std. Deviation)和例数(N)。 2．相关系数 分析：上表是相关系数的结果。从表中可以看出，Pearson相关系数为0.749，单尾显著性检验的概率p值为0.003，小于0.05，所以体重和肺活量之间具有较强的相关性。 3．引入或剔除变量表
分析：上表显示回归分析的方法以及变量被剔除或引入的信息。表中显示回归方法是用强迫引入法引入变量x的。对于一元线性回归问题，由于只有一个自变量，所以此表意义不大。 4．模型摘要 分析：上表是模型摘要。表中显示两变量的相关系数(R)为0.749，判定系数(R Square)为0.562，调整判定系数(Adjusted R Square)为0.518，估计值的标准误差(Std. Error of the Estimate)为0.28775。 5．方差分析表 分析：上表是回归分析的方差分析表(ANOVA)。从表中可以看出，回归的均方(Regression Mean Square)为1.061，剩余的均方(Residual Mean Square)为0.083，F检验统计量的观察值为12.817,相应的概率p 值为0.005，小于0.05，可以认为变量x和y之间存在线性关系。
6．回归系数 分析：上表给出线性回归方程中的参数(Coefficients)和常数项(Constant)的估计值，其中常数项系数为0(注：若精确到小数点后6位，那么应该是0.000413)，回归系数为0.059，线性回归参数的标准误差(Std. Error)为0.016,标准化回归系数(Beta)为0.749，回归系数T检验的t统计量观察值为3.580，T检验的概率p值为0.005，小于0.05，所以可以认为回归系数有显著意义。由此可得线性回归方程为： y=0.000413+0.059x 7．回归诊断 分析：上表是对全部观察单位进行回归诊断(Casewise Diagnostics-all cases)的结果显示。从表中可以看出每一例的标准
一元线性回归模型案例分析 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y 选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表2.5的数据: 表2.52002年中国各地区城市居民人均年消费支出和可支配收入
第二章 简单线性回归模型练习题 一、术语解释 1 解释变量 2 被解释变量 3 线性回归模型 4 最小二乘法 5 方差分析 6 参数估计 7 控制 8 预测 二、填空 1 在经济计量模型中引入反映（ ）因素影响的随机扰动项t ξ，目的在于使模型更符合（ ）活动。 2 在经济计量模型中引入随机扰动项的理由可以归纳为如下几条：（1）因为人的行为的（ ）、社会环境与自然环境的（ ）决定了经济变量本身的（ ）；（２）建立模型时其他被省略的经济因素的影响都归入了（ ）中；（３）在模型估计时，（ ）与归并误差也归入随机扰动项中；（4）由于我们认识的不足，错误的设定了（ ）与（ ）之间的数学形式，例如将非线性的函数形式设定为线性的函数形式，由此产生的误差也包含在随机扰动项中了。 3 （ ）是因变量离差平方和，它度量因变量的总变动。就因变量总变动的变异来源看，它由两部分因素所组成。一个是自变量，另一个是除自变量以外的其他因素。（ ）是拟合值的离散程度的度量。它是由自变量的变化引起的因变量的变化，或称自变量对因变量变化的贡献。（ ）是度量实际值与拟合值之间的差异，它是由自变量以外的其他因素所致，它又叫残差或剩余。 4 回归方程中的回归系数是自变量对因变量的（ ）。某自变量回归系数β的意义，指的是该自变量变化一个单位引起因变量平均变化（ ）个单位。 5 模型线性的含义，就变量而言，指的是回归模型中变量的（ ）；就参数而言，指的是回归模型中的参数的（ ）；通常线性回归模型的线性含义是就（ ）而言的。 6 样本观察值与回归方程理论值之间的偏差，称为（ ），我们用残差估计线性模型中的（ ）。 三、简答题 1 在线性回归方程中，“线性”二字如何理解 2 用最小二乘法求线性回归方程系数的意义是什么 3 一元线性回归方程的基本假设条件是什么 4 方差分析方法把数据总的平方和分解成为两部分的意义是什么 5 试叙述t 检验法与相关系数检验法之间的联系。 6 应用线性回归方程控制和预测的思想。 7 线性回归方程无效的原因是什么 8 回归分析中的随机误差项i ε有什么作用它与残差项t e 有何区别
02一元线性回归模型 070312
经济学参考书目： 1、高鸿业，《西方经济学:微观部分(第三版)--21世纪经济学系列教材》， 《西方经济学:宏观部分(第三版)--21世纪经济学系列教材》， 中国人民大学出版社，2005年1月。 《西方经济学学习与教学手册(21世纪经济学系列教材)》，中国 人民大学出版社，2005年6月。 2、高鸿业、刘凤良，《20世纪西方经济学的发展》，商务印书馆，2004年4 月 3、尹伯成，《西方经济学简明教程(第5版)》，世纪出版集团、上海人民出版 社，2006年3月。 4、伍柏麟、尹伯成，《经济学基础教程--复旦博学·经济学系列》，复旦大学出版社，2002年3月。 5、姚开建、梁小明，《西方经济学名著导读--经济学经典著作读丛书》，中国经济出版社，2005年1月。 6、梁小民，《西方经济学教程(修订版)》，中国统计出版社，2005年12月。 7、方福前，《当代西方经济学主要流派》，中国人民大学出版社，2004年12月。 8、王志伟，《现代西方经济学主要思潮及流派》，高等教育出版社，2004年9月。 数学参考书目： 9、赵萍，《经济数学基础及应用---线性代数及概率论》，哈尔滨工业大学出版社，2006年10月。 10、李尚志，《线性代数》，高等教育出版社，2006年5月。
11、卢刚，《线性代数》，北京大学出版社，2006年。 12、陈维新，《线性代数（第2版）》，北京科学出版社，2006年。 13、冉兆平，《微积分》，上海财经大学出版社，2006年。 14、田长生，《概率统计与微积分》，北京科学出版社，2006年。 15、李林曙，《微积分》，中国人民大学出版社，2006年。 16、王雪标、王拉娣、聂高辉，《微积分》，高等教育出版社，2006年。 17、马恩林，《概率论与数理统计》，人民教育出版社，2006年。 18、吴赣昌，《概率论与数理统计》，中国人民大学出版社，2006年。 19、葛余博等著，《概率论与数理统计通用辅导讲义》，清华大学出版社，2006年。 统计学参考书目： 20、邢哲，《统计学原理》，中国金融出版社，2006年8月。 21、李荣平，《统计学》，天津大学出版社，2006年。 22、吴梅村，《数理统计学基本原理和方法》，西南财经大学出版社，2006年。 23、曾五一，《统计学》，中国金融出版社，2006年。 24、(美)A.M.穆德、F.A.格雷比尔著、史定华译，《统计学导论》，北京科学出版社，1978年。 补充材料
一、判断题 2.5 回归模型预测 1. Y ?f 是对个别值Y f 的点估计。（F ） 2.预测区间的宽窄只与样本容量 n 有关。（F ） 3. Y ?f 对个别值Y f 的预测只受随机扰动项的影响。（F ） 4.一般情况下，平均值的预测区间比个别值的预测区间宽。（F ） 5.用回归模型进行预测时，预测普通情况和极端情况的精度是一样的。（F ） 二、单项选择题 1. 某一特定的 X 水平上，总体 Y 分布的离散度越大，即 2 越大，则（ A ）。 A. 预测区间越宽，精度越低 B ．预测区间越宽，预测误差越小 C 预测区间越窄，精度越高 D ．预测区间越窄，预测误差越大 2. 在缩小参数估计量的置信区间时，我们通常不采用下面的那一项措施（D ）。 A. 增大样本容量 n B. 预测普通情形而非极端情形 C.提高模型的拟合优度 D.提高样本观测值的分散度 三、多项选择题 1. 计量经济预测的条件是（ABC ） A. 模型设定的关系式不变 B ．所估计的参数不变 C.解释变量在预测期的取值已作出预测 D ．没有对解释变量在预测期的取值进行过预测 E ．无条件 2. 对被解释变量的预测可以分为（ABC ） A. 被解释变量平均值的点预测 B.被解释变量平均值的区间预测 C.被解释变量的个别值预测 D.解释变量预测期取值的预测 四、简答题 1. 为什么要对被解释变量的平均值以及个别值进行区间预测？ 答：由于抽样波动的存在，用样本估计出的被解释变量的平均值Y ?f 与总体真实平均值 E (Y f X f 之间存在误差，并不总是相等。而用Y ?f 对个别值Y f 进行预测时，除了上述 提到的误差，还受随机扰动项的影响，使得总体真实平均值 E (Y f X f 并不等于个别值 Y f 。 一般而言，个别值的预测区间比平均值的预测区间更宽。 2. 分别写出 E ( Y f X f 和Y f 的置信度为1 -的预测区间。 ? 1 (X - X )2 ? ? 1 (X - X )2 ? 答： E ( Y X ： Y ? ± t ? + f ? ； Y ： Y ? ± t ? 1 + + f ? 。 f f f n ? 2 x 2 ? i ? f f n ? 2 x 2 ? i ? ∑ ∑
第二章 一元线性回归模型 一、单项选择题 1、表示x 与y 之间真实线性关系的是【 】 A t t x y 10???ββ+= B E t t x y 10)(ββ+= C t t t u x y ++=10ββ D t t x y 10ββ+= 2、参数β的估计量β ?具备有效性是指【 】 A Var(β ?)=0 B Var(β?)为最小 C (β ?－β)＝0 D (β?－β)为最小 3、对于i i i e x y ++=10??ββ，以σ?表示估计标准误差，i y ?表示回归值，则【 】 A σ?=0时，)?(i i y y -∑＝0 B σ?=0时，2)?(i i y y -∑＝0 C σ ?=0时，)?(i i y y -∑为最小 D σ?=0时，2)?(i i y y -∑为最小 4、设样本回归模型为i i i e x y ++=10??ββ，则普通最小二乘法确定的i β?的公式中，错误的是【 】 A ∑∑---=2 1 ) ())((?x x y y x x i i i β B ∑∑∑∑∑--= 2 21 ) (? i i i i i i x x n y x y x n β C ∑∑-?-=2 21 ) (?x n x y x n y x i i i β D 21 ? x i i i i y x y x n σ β∑∑∑-= 5、对于i i i e x y ++=10??ββ，以σ?表示估计标准误差，r 表示相关系数，则有【 】 A σ ?=0时，r ＝1 B σ?=0时，r ＝－1 C σ ?=0时，r ＝0 D σ?=0时，r ＝1 或r ＝－1 6、产量（x ，台）与单位产品成本（y ， 元/台）之间的回归方程为y ?＝356－1.5x ，这说明【 】 A 产量每增加一台，单位产品成本增加356元 B 产量每增加一台，单位产品成本减少1.5元 C 产量每增加一台，单位产品成本平均增加356元
2.4 回归系数的区间估计和假设检验 一、判断题 1.如果零假设H 0：B 2=0，在显著性水平5%下不被拒绝，则认为B 2一定是0。 （F ） 2.k β的置信度为()α-1的置信区间指真实参数落入该区间的概率是()α-1。(F) 3.假设检验为单侧检验还是双侧检验本质上取决于备择假设的形式。（F ） 4.回归系数的显著性检验是用来检验解释变量对被解释变量有无显著解释能力的检验。（T ） 二、单项选择题 1．对回归模型i i 10i u X Y ++=ββ进行检验时，通常假定i u 服从（ C ）。 A ．() 2 i 0N σ, B ．()2n t - C ．( )2 0N σ , D ．()n t 2．用一组有30个观测值的样本估计模型i i 10i u X Y ++=ββ，在0.05的显著性水平下对1β的显著性作检验，则1β显著地不等于零的条件是其统计量大于（ D ）。 A ．()30t 050. B ．()30t 0250.) C ．()28t 050. D ．()28t 0250. 3．回归模型i i i u X Y ++=10ββ中，关于检验010=β：H 所用的统计量)?(?1 11βββVar -，下 列说法正确的是（ D ）。 A ．服从）（22-n χ B ．服从）（1-n t C ．服从） （12-n χ D ．服从）（2-n t 4.用一组有30个观测值的样本估计模型后，在0.05的显著性水平上对的显著性作检验，则显著地不等于零的条件是其统计量大于等于（ C ） A. B. C. D. 三、简答题 1.当α给定后，回归系数2β的置信区间是什么样的？ 答：总体方差2 σ已知时，置信区间为??? ? ??? ? +-∑∑2i 2 2i 2x z x z σ βσ β?,?；总体方差2σ未知则使用2 n e 2 i 2 -=∑σ ?估计2 σ：①样本容量充分大时，统计量仍服从正态，则置信区间为 t t 01122t t t t y b b x b x u =+++1b t 1b t )30(05.0t )28(025.0t )27(025.0t )28,1(025.0F
案例分析报告 （2014——2015学年第一学期） 课程名称：预测与决策 专业班级：电子商务1202 学号： 2204120202 学生姓名：陈维维 2014 年 11月 案例分析（一元线性回归模型） 我国城镇居民家庭人均消费支出预测 一、研究目的与要求 居民消费在社会经济的持续发展中有着重要的作用，居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。从理论角度讲，消费需求的具体内容主要体现在消费结构上，要增加居民消费，就要从研究居民消费结构入手，只有了解居民消费结构变化的趋势和规律，掌握消费需求的热点和发展方向，才能为消费者提供良好的政策环境，引导消费者合理扩大消费，才能促进产业结构调整与消费结构优化升级相协调，才能推动国民经济平稳、健康发展。例如，2008年全国城镇居民家庭平均每人每年消费支出为11242.85元，?最低的青海省仅为人均8192.56元，最高的上海市达人均19397.89元，上海是黑龙江的2.37倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定?
我研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费，由于各地区的城镇与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城镇居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。 所以模型的被解释变量Y选定为“城镇居民每人每年的平均消费支出”。 因为研究的目的是各地区城镇居民消费的差异，并不是城镇居民消费在不同时间的变动，所以应选择同一时期各地区城镇居民的消费支出来建立模型。因此建立的是2008年截面数据模型。影响各地区城镇居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。 为了与“城镇居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 以下是2008年各地区城镇居民人均年消费支出和可支配收入表
拟合优度的度量 一、判断题 1.当 ()∑-2i y y 确定时，()∑-2 i y y ?越小，表明模型的拟合优度越好。（F ） 2.可以证明，可决系数2R 高意味着每个回归系数都是可信任的。（F ） 3.可决系数2R 的大小不受到回归模型中所包含的解释变量个数的影响。（F ） 4.任何两个计量经济模型的2R 都是可以比较的。（F ） 5.拟合优度2R 的值越大，说明样本回归模型对数据的拟合程度越高。（ T ） 6.结构分析是2R 高就足够了，作预测分析时仅要求可决系数高还不够。（ F ） 7.通过2R 的高低可以进行显著性判断。（F ） 8.2R 是非随机变量。（F ） 二、单项选择题 1．已知某一直线回归方程的可决系数为，则解释变量与被解释变量间的线性相关系数为（ B ）。 A ．± B ．± C ．± D ．± 2．可决系数2R 的取值范围是（ C ）。 A ．2R ≤-1 B ．2R ≥1 C ．0≤2R ≤1 D ．－1≤2R ≤1 3.下列说法中正确的是：（ D ） A 如果模型的2R 很高，我们可以认为此模型的质量较好 B 如果模型的2R 较低，我们可以认为此模型的质量较差 C 如果某一参数不能通过显著性检验，我们应该剔除该解释变量 D 如果某一参数不能通过显著性检验，我们不应该随便剔除该解释变量 三、多项选择题 1．反映回归直线拟合优度的指标有（ ACDE ）。 A ．相关系数 B ．回归系数 C ．样本可决系数 D ．回归方程的标准差 E ．剩余变差（或残差平方和） 2．对于样本回归直线i 01i ???Y X ββ+＝，回归变差可以表示为（ ABCDE ）。 A ．2 2i i i i ?Y Y -Y Y ∑ ∑ （－） （－） B ．2 2 1 i i ?X X β∑ （－）
计量经济学（Ⅰ） 南开大学经济学院教授、数量经济学专业博士生导师张晓峒 一元线性回归模型 1．一元线性回归模型 有一元线性回归模型（统计模型）如下， y t = β0 + β1 x t + u t 上式表示变量y t 和x t之间的真实关系。其中y t 称被解释变量（因变量），x t称解释变量（自变量），u t称随机误差项，β0称常数项，β1称回归系数（通常未知）。上模型可以分为两部分。（1）回归函数部分，E(y t) = β0 + β1 x t,（2）随机部分，u t。 图2.1 真实的回归直线 这种模型可以赋予各种实际意义，收入与支出的关系；如脉搏与血压的关系；商品价格与供给量的关系；文件容量与保存时间的关系；林区木材采伐量与木材剩余物的关系；身高与体重的关系等。 以收入与支出的关系为例。假设固定对一个家庭进行观察，随着收入水平的不同，与支出呈线性函数关系。但实际上数据来自各个家庭，来自各个不同收入水平，使其他条件不变 1
成为不可能，所以由数据得到的散点图不在一条直线上（不呈函数关系），而是散在直线周围，服从统计关系。随机误差项u t中可能包括家庭人口数不同，消费习惯不同，不同地域的消费指数不同，不同家庭的外来收入不同等因素。所以在经济问题上“控制其他因素不变”是不可能的。 回归模型的随机误差项中一般包括如下几项内容，（1）非重要解释变量的省略，（2）人的随机行为，（3）数学模型形式欠妥，（4）归并误差（粮食的归并）（5）测量误差等。 回归模型存在两个特点。（1）建立在某些假定条件不变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，深刻认识到该经济过程的本质。 通常线性回归函数E(y t) = β0 + β1 x t是观察不到的，利用样本得到的只是对E(y t) = β0 + β1 x t 的估计，即对β0和β1的估计。 在对回归函数进行估计之前应该对随机误差项u t做出如下假定。 (1) u t 是一个随机变量，u t 的取值服从概率分布。 (2) E(u t) = 0。 (3) D(u t) = E[u t - E(u t) ]2 = E(u t)2 = σ2。称u i 具有同方差性。 (4) u t 为正态分布（根据中心极限定理）。 以上四个假定可作如下表达。u t~ N (0,σ2)。 (5) Cov(u i, u j) = E[(u i - E(u i) ) ( u j - E(u j) )] = E(u i, u j) = 0, (i≠j )。含义是不同观测值所对应的随机项相互独立。称为u i 的非自相关性。 (6) x i是非随机的。 (7) Cov(u i, x i) = E[(u i - E(u i) ) (x i - E(x i) )] = E[u i (x i - E(x i) ] = E[u i x i - u i E(x i) ] = E(u i x i) = 0. u i与x i相互独立。否则，分不清是谁对y t的贡献。 (8) 对于多元线性回归模型，解释变量之间不能完全相关或高度相关（非多重共线性）。 在假定（1），（2）成立条件下有E(y t) = E(β0 + β1 x t + u t) = β0 + β1 x t。 2
一元线性回归分析法 一元线性回归分析法是根据过去若干时期的产量和成本资料，利用最小二乘法“偏差平方和最小”的原理确定回归直线方程，从而推算出a(截距)和b(斜率)，再通过y ＝a+bx 这个数学模型来预测计划产量下的产品总成本及单位成本的方法。 方程y ＝a+bx 中，参数a 与b 的计算如下： y b x a y bx n -==-∑∑ 222 n xy x y xy x y b n x (x)x x x --==--∑∑∑∑∑∑∑∑∑ 上式中，x 与y 分别是i x 与i y 的算术平均值，即 x =n x ∑ y =n y ∑ 为了保证预测模型的可靠性，必须对所建立的模型进行统计检验，以检查自变量与因变量之间线性关系的强弱程度。检验是通过计算方程的相关系数r 进行的。计算公式为： 22xy-x y r= (x x x)(y y y) --∑∑∑∑∑∑ 当r 的绝对值越接近于1时，表明自变量与因变量之间的线性关系越强，所建立的预测模型越可靠；当r ＝l 时，说明自变量与因变量成正相关，二者之间存在正比例关系；当r ＝—1时，说明白变量与因变量成负相关，二者之间存在反比例关系。反之，如果r 的绝对值越接近于0，情况刚好相反。 [例]以表1中的数据为例来具体说明一元线性回归分析法的运用。 表1： 根据表1计算出有关数据，如表2所示： 表2：
将表2中的有关数据代入公式计算可得： 1256750x == （件） 2256 1350y ==（元） 1750 9500613507501705006b 2=-??-?=（元/件） 100675011350a =?-=（元/件） 所建立的预测模型为： y ＝100+X 相关系数为： 9.011638 10500])1350(3059006[])750(955006[1350 750-1705006r 22==-??-???= 计算表明，相关系数r 接近于l ，说明产量与成本有较显著的线性关系，所建立的回归预测方程较为可靠。如果计划期预计产量为200件，则预计产品总成本为： y ＝100+1×200＝300(元)