回归预测法.ppt
- 文档编号:231443
- 上传时间:2022-10-07
- 格式:PPT
- 页数:86
- 大小:1.61MB
回归预测法.ppt
《回归预测法.ppt》由会员分享,可在线阅读,更多相关《回归预测法.ppt(86页珍藏版)》请在冰豆网上搜索。
统计预测中南大学回归预测法回归(regression)这一术语来自英国人FrancisGalton和他的朋友KarlPearson对父亲身高与儿子身高之间关系的研究。
他们发现父亲与儿子的身高有着显著的正相关关系,并且身高的变化不是两级分化而是“趋同”。
回归是研究某一变量与其它一个或是多个变量之间的关系。
回归的方法目前在经济学与管理学中有着越来越广泛的运用,而计量经济学也是经济学中一个重要的分支,或者说是经济学与管理学研究的重要方法。
是一门很深的学问。
市场蕴含着纷繁复杂的各种变量,而各种变量之间却又有着某种依存关系。
回归的目的就是要推定一个变量对另一个变量所具有的因果效应。
比如,在分析消费需求时,我们想知道商品价格变化对其需求量的影响,只要保持其他因素(收入、其他商品价格、个人偏好等)都不变,这时价格变化与需求量之间就存在一种因果关系。
在经济预测中,人们把预测对象当作因变量,把那些与预测对象有关的因素当作自变量,收集自变量的充分数据,应用相关理论知识,建立回归方程,并进行预测比如,我们要预测某地区工业增加值,就可以利用C-D生产函数建立回归模型,这时因变量就是工业增加值,自变量有资本投入、劳动投入、技术进步的因素等。
比如,夏天饮料的需求量与儿童溺水数量之间存在高度的相关关系,但是根据常识我们可以判断两者之间并没有因果关系。
但是我们如果掌握了充分的数据,还是可以作出相关的预测。
在经济预测中,人们把预测对象当作因变量,把那些与预测对象有关的因素当作自变量,收集自变量的充分数据,应用相关分析和回归分析求得回归方程,并利用回归方程进行预测。
回归预测法中的自变量,与时间序列预测法中的自变量不相同。
后者的自变量是时间本身,而前者的自变量不是时间本身,而是其他的变量。
回归预测法中的自变量与因变量之间,有的属于因果关系,有的屑于伴随关系。
不能认为只有因果关系才能进行回归预测,实际上伴随关系也是一种相关关系,只要收集大量的足够的资料,也可以用回归预测法进行预测。
在回归预测法中,自变量不是随机的或者是给定的,这与相关分析中自变量有所区别。
相关分析中的自变量是随机的。
统计预测中南大学回归分析预测法是预测学的基本方法,它是在分析因变量与自变量之间的相互关系,建立变量间的数量关系近似表达的函数方程,并进行参数估计和显著性检验以后,运用回归方程式预测因变量数值变化的方法回归分析预测法的具体步骤1)确定预测目标和影响因素2)进行相关分析3)建立回归预测模型4)回归预测模型的检验5)进行实际预测具体来说:
1)凭借研究者的理论和经验确定分析对象之间的相关关系,确定因变量。
2)筛选自变量。
分析各自变量与因变量之间的相关关系,观察其相关关系的表现形式及密切程度。
选用那些与因变量关系最为密切的自变量。
在用多元回归预测时,还要分析各自变量之间的相关关系,选用那些关系不密切的自变量。
如有两个自变量相互关系很密切,则应舍弃其中的一个。
3)确定回归方程式。
根据理论分析和相关分析,确定用怎样的回归模型来进行分析,这也是回归分析的关键和难度所在。
4)相关检验。
对回归方程估计结果进行相关系数、显著性、t检验等等,确定回归模型的适用性。
5)预测。
统计预测中南大学运用回归法进行定量预测,必须有以下三个条件:
1)预测对象与影响因素之间必须存在因果关系;2)过去和现在的数据规律,能够反映未来;3)数据的分布确有线性趋势,可采用线性解;如不是线性趋势,则可用非线性解。
回归预测法的种类1)一元回归预测(古典线型回归)。
一元回归预测就是用相关分析法分析一个自变量和一个因变量之间的相关关系,并进行预测。
例如,从居民货币收入预测某种耐用消费品的销售量;从工人劳动生产率预测利润额;从施肥量预测农作物的产量。
2)多元回归预测。
多元回归预测就是分析因变量与若干个自变量的相关关系,建立多元回归方程,从若干自变量的变化去预测因变量的变化程度和未来的数量状况。
例如,从施肥量、气温、降雨量去预测某种农作物的收获率;从商业企业的职工劳动生产率和流通费率去预测利润率等等。
3)自回归预测。
自回归预测就是用一个时间数列的因变量数列与向过去推移若干时期的一个或几个自变量数列进行预测。
例如对按月编制的时间数列,用今年112月的数列作为因变量数列,用以前某月至某月的数列作为自变量数列,计算其相关系数,建立回归方程进行预测。
还可分为线性回归方程预测和非线性回归方程预测两种。
a.影响GDP增长的因素有哪些(投资、消费、出口、货币供应量等)?
b.GDP与各种因素关系的性质是什么?
(增、减)c.各影响因素与GDP的具体的数量关系?
d.所作数量分析结果的可靠性如何?
e.今后的发展趋势怎么样?
例1:
研究中国的GDP增长4.1实例引入例2:
中国家庭汽车市场a:
汽车市场状况如何(销售量)b:
影响汽车销售量的主要因素是什么(收入、价格、道路状况等)?
c:
各种因素对汽车销售量影响的性质怎样(正、负、无)?
d:
各种因素影响汽车销量的具体数量程度?
e:
以上分析所得结论是否可靠?
f:
今后发展的趋势怎样?
以上问题的共性提出所研究的问题分析影响因素(根据经济理论、实际经验)分析各种因素与所研究的现象的相互关系(需要科学的数量分析方法)分析所研究的现象与各种影响因素的数量关系(需要运用统计方法)分析和检验所得数量结论的可靠性;测算所研究经济问题的发展趋势(预测未来)一、变量:
在不同时间、空间有不同状况,取不同数值的因素称为变量。
其分类为:
1、被解释变量(因变量)变量、参数、数据2、解释变量(自变量)3、滞后变量tYtx1tY被解释变量(因变量):
模型中要分析研究的变量解释变量(自变量):
说明因变量变动原因的变量例:
收入决定模型(其中:
消费支出C、投资I、进口IM、税收T、收入Y、政府支出G、出口E)ttttttYCIGEIM12312ttttIbbYbYu12313ttttIMccYcGu121()ttttCaaYTu0.2ttTY其中:
消费支出C、投资I、进口IM、税收T、收入Y是被解释(内生)变量政府支出G、出口E、是解释变量(通过计划、预算来确定)(有两个滞后变量,作用视同解释变量)01D事件没有发生事件发生二、数据1、时间序列数据:
按照时间先后顺序排列的统计数据(例:
时期、时点指标)3、混合数据:
既有时间序列数据,又有截面数据(例:
居民收支调查中收集的对各个固定调查户在不同时期的调查数据)。
2、截面数据:
是在同一时间,不同空间的某个指标组成的数列(如:
工业普查数据、人口普查数据、家计调查数据等)。
4、虚拟变量数据:
仅取0和1两个变量值的模型建立步骤可以运用计量方法研究这类问题,一般分为四个步骤:
4.1模型设定4.2估计参数4.3模型检验4.4模型应用研究过程研究过程有关理论有关理论实践活动实践活动搜集统计数据搜集统计数据设定计量模型设定计量模型参数估计参数估计模型检验模型检验预测预测政策评价政策评价模型修订模型修订结构分析结构分析符合符合不符合不符合是否符合标准是否符合标准模型应用模型应用4.2模型设定4.1.1经济模型:
模型:
对经济现象或过程的一种数学模拟。
设定(Specification):
把所研究的经济变量之间的关系用适当的数学关系式表达出来。
(例:
消费函数y=a+bx)4.1.2构成计量经济模型的要素(例:
消费函数y=a+bx+u)*经济变量(y,x)*经济参数(a,b,待估计)*随机扰动项u模型构成要素之说明(例:
消费函数y=a+bx+u)*经济变量(y,x):
不同时间、不同空间的表现不同,取值不同,可以观测。
*经济参数(a,b):
比较稳定的因素,决定经济的特征。
参数是计量经济模型中表现经济变量相互依存程度的因素,是一个相对稳定的量4.1.3设定模型的要求要有科学的理论依据;选择适当的数学形式(单方程还是多方程,线性还是非线性的选择。
方程应是有解的,形式尽可能简单);模型要兼顾真实性和实用性;包含随机扰动项;方程中的变量要具有可观测性;4.3建模步骤经济理论或假说的陈述;建立数学(数理经济)模型;建立统计或计量经济模型;收集处理数据;模型的参数估计;检验来自模型的假说现实意义检验;检验模型的正确性模型的假设检验;模型的运用预测、结构分析、政策模拟等4.4估计参数一般地,参数是未知的,不可直接观测。
参数要通过样本数据,选择适当的方法加以估计。
(如何通过样本数据估计参数是计量经济学的核心内容)参数估计值:
所估计的参数的具体数值参数估计式:
用未知的样本数据表示的待估计参数表达式。
参数估计的常用方法:
普通最小二乘法(OLS),极大似然估计法(ML)等。
4.5模型检验检验是对模型和所估计的参数加以评定,判断在经济理论上是否有意义,在统计上是否显著。
为什么要进行检验?
理论依据可能不充分;统计数据或其他信息可能不可靠样本可能较小,结论只是抽样的某种偶然结果。
可能违反计量经济估计的基本假定。
模型的检验方式*理论意义,现实意义检验:
是否与理论、现实相符;*统计推断检验:
检验参数值是否为抽样的偶然结果;*计量检验:
是否符合基本假定;*预测检验:
将模型预测结果与现象运行的实际对比。
4.6模型应用结构分析:
分析变量之间的数量比例关系,如边际分析、弹性分析(变化率之比)、乘数分析(变化量之比)、比较静力学分析预测:
包含动态预测和空间预测。
(对非稳定发展的过程无能为力,滞后于理论和现实的模型在应用中也会遇到障碍。
)政策评价:
用模型对政策方案作模拟测算,对政策方案作评价。
模型形式a线性模型b非线性模型:
双对数模型、半对数模型、倒数模型非线性模型一般都要转化为线性模型来估计。
1、线性模型(对变量、参数)2、非线性模型(被解释与解释变量之间、被解释变量与参数之间)例如:
例如:
(1、2可线性化)01122.kkYxxxubbbb=+01122().kkEYxxxbbbb=+221212eYabXcXYaXYXuYXubmmbbbb=+=+=+
(1)多项式函数常见的可线性化模型:
(2)双对数方程基本形式(幂函数):
01122.kkYxxxubbbb=+ueXY21XYlnlnln2100ln,ln,lnXXYY双对数方程的斜率参数可以衡量因变量Y关于解释变量X的弹性(表示:
当X每变动1%时,因变量Y平均变动的百分比)。
事实上,有bXdXYdYXdXYdYXdYd222)(ln)(ln(3)半对数方程在第一个方程中斜率参数等于Y的相对变动与X绝对变动之比。
模型叫增长模型,它可以描述某种经济现象随着时间变化而变动的趋势。
第二个半对数方程的斜率系数表示当自变量发生一个单位的相对变动时,引起的因变量Y的平均绝对变动。
uXY10lnuXYln10)()()()(ln1XdYYdXdYd1dYYdXXXdYd)()(1(4)倒数变换模型基本形式:
注:
,Y随着X增大而非线性地增大,最终接近一条直线,Y随着X的增加而非线性地减少。
重要特点:
被解释变量Y存在极限。
例:
若Y为平均成本,X为产量,则平均成本Y随着产量增加而不断下降,但它决不可能等于或小于。
uXY11001为渐近线)(以00Y010统计预测中南大学4.7回归实例一元型回分析线归一元型回分析线归一元型回(古典型回)是指成的线归线归预测对两个一元型回(古典型回)是指成的线归线归预测对两个量据分布大体上呈直,用合适的变数线趋势时运参数量据分布大体上呈直,用合适的变数线趋势时运参数估方法,求出一元性回模型,然后根据自量计线归变估方法,求出一元性回模型,然后根据自量计线归变因量之的系,因量的。
与变间关预测变趋势因量之的系,因量的。
与变间关预测变趋势很多社象之都存在一一的相系,会经济现间对应关关很多社象之都存在一一的相系,会经济现间对应关关因此,一元性回有很广泛的用。
比如,家线归预测应因此,一元性回有很广泛的用。
比如,家线归预测应庭的消支出家庭收入之存在很强的相系,费
- 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:
- 回归 预测
![提示](https://static.bdocx.com/images/bang_tan.gif)