§2.5多元线性回归模型的置信区间幻灯片.ppt

01-3-3 重庆商学院经济系 §2.5多元线性回归模型的置信区间 一、参数估计量的置信区间 二、预测值的置信区间 区间估计 用样本提供的信息，根据估计量(统计量)公式，可以给出未知参数的估计值或被解释变量的预测值的估计值，这种估计称为点估计。显然点估计没有给出做出进行这类判断的可靠程度和误差范围。 区间估计则是以一定的可靠程度（精确度），给出估计值存在的误差范围（区间）。 因为估计量是一个随机变量，所以区间估计的实质，是为被估计的参数或预测值构造一个以点估计为中心的区间（置信区间），该区间以一定的概率（置信度=1-?）包含该参数或预测值。 一、参数估计的置信区间 可靠性和估计精度是相互制约 1、提高可靠性（减少风险），区间增大，反之，则反。因为信息量只有这末多。 2、增加样本容量?t临界值减小和系数标准误减小（它的分子不增它，分母增大）?误差半径减小 3、提高拟合优度（减少RSS） 4、提高样本观察值的分散度。 5、置信区域是一个以^?为中心的超椭球 大量观察 深入观察 全面观察 预测时间轴的分段 预测假定 均值预测（E(YF)） 个值预测（YF） 一元回归被解释变量Y均值与个值的预测 模型：Yi=b0+b1Xi+ui Y^i=b^0+b^1Xi u^i= Yi- Y^i Yi= Y^i+ u^i Y的均值Y^i的分布： Y的个值Yi的分布： 预测能力检验 影响预测值精度的因素 1、预测精度提高（半径减少）和可靠程度提高（风险减少）是相互制约的 2、增加观察值个数 3、提高拟合优度 4、扩大解释变量的分散程度 5、在解释变量均值向量处，有最小的预测误差 均值预测和个值预测的比较 假日旅馆房间收入的预测 假日旅馆房间收入的预测 已知（美国1970-1980年间）房间总收入、房间租用率、房间总数 和 平均租金的资料。 指标间的关系如下： 房间总收入=房间租用率X 房间总数X 平均租金 资料（LX\LX3\SHM31） 预测步骤 1、预测房间租用率FJZYL 2、预测平均房租FZ 3、预测房间数目FJSHM 4、预测房间总收入 FJZSR=FJZYL X FZ X FJSHM 分析房间租用率 假日旅馆的房间租用率与美国经济形势有关，而失业率是一个反映经济形势的很好的指标 而且，经验表明短期利率是反映和预测今后一般经济活动很好的指标 当然，不能仅用失业率的下降趋势来解释租用率的上升，它们还受发展趋势的影响，所以生成一个增长趋势指标QSH 选用失业率作为租用率的解释变量合理吗？ 显然失业率不是租用率的“因”。而且， 由于不能事先得到1981年的失业率，所以不能利用上述方程来预测租用率 但是方程反映出变量之间存在密切的关系，进一步证实租用率与失业率有非常相似的周期（趋势线） 不过，假日旅馆的租用率呈上升趋势，大约每年递增0.7~0.8% 为什么不能采用上述模型进行预测的根本原因？ 因为年底给出下一年的失业率的预测值，不可能通过模型得到下一年租用率最可信的预测值。因为： 基本统计理论说明，根据解释变量预测值得到的最好的估计系数也小于根据解释变量真值得到的估计系数。 实际上，如果预测的可靠性不大，分配给一个解释变量的系数是偏低的。 而且，还没用一个人在预测失业率方面得出过好的结果。 我们应当建立这样的回归模型，进行预测时使解释变量的值都是已知的。即利用已经存在的值去预测它下一期的值，构成“动态预测”。 于是，建立租用率关于失业率（-1）和租用率（-1）的动态预测模型。引入租用率（-1）就应当删除趋势。 建立预测租用率的动态模型 Estimation Command: LS ZYL SHYL(-1) ZYL(-1) C Estimation Equation: ZYL = C(1)*SHYL(-1) + C(2)*ZYL(-1) + C(3) Substituted Coefficients: ZYL = 1.4255166*SHYL(-1) + 0ZYL(-1) + 2.9153472 知道去年的租用率和失业率就可以预测今年的租用率；知道今年的就可以预测明年的，而无须预测了明年的失业率才能预测明年的租用率。 关于租用率动态模型的估计结果 通常引入短期利率反映经济景气（商业证券利率是可靠的） 建立房租的预测模型 Estimation Command: LS ZYL SHYL(-1) SYZQLL(-1) ZYL(-1) C Estimation Equation: ZYL = C(1)*SHYL(-1) + C(2)*SYZQLL(-1) + C(3)*ZYL(-1) + C(4) Substituted Coefficients: ZYL