现代统计学分析方法与应用定性数据检验.ppt

§4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 第八步,模型的应用。当所建模型通过所有检验之后,就可结合实际经济问题进行应用。最常见的应用之一就是因素分析。我们由回归方程可知,当国民收入平均增长1元时,大约平均有0.4元用于消费,人均国民收入的增长与人均消费金额的增长成正相关关系。这大致符合现阶段的实际情况。这个结果可为现阶段制定宏观调控政策提供量化依据。另外还可以仿照§4.6做所需的预测。 §4.7 建模总结和应注意的问题 回归分析方法的应用要特别注意定性分析与定量分析相结合。当现阶段的实际情况与建模时所用数据资料的背景发生较大变化时,不能仍机械地死套公式,这时就应对模型进行修改。修改包括重新收集数据,尽可能用近期数据;还包括是否要增加新的自变量,因为影响某种经济现象的因素可能发生了变化,可能还有一些重要的因素需要考虑等。 §4.7 建模总结和应注意的问题 二、有关回归假设检验问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 §4.7 建模总结和应注意的问题 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 运用普通最小二乘OLS法估计模型的参数是在模型满足一些基本假定时才有效,如果模型的基本假定显著地出错,可能导致模型结论严重歪曲。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 由图4.7的(a)可知,由直线作为y与x间关系的拟合是合适的,回归方程刻画出了变量y与x间的线性相关关系。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 由图4.7的(d)可知,回归直线的斜率完全取决于(19,12.50)这一个点,这种情况所得到的经验回归方程是很不可信的。实际上，自变量x只取了8和19这两个不同的值，因而不能断言y与x之间是何种关系。对这种情况，我们说数据收集的不好，应该对自变量x在（8，19）这个区间上再收集一些不同的数据。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 三、回归系数的解释问题 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 四、回归方程的预测问题 对于回归方程的应用,很重要的一个方面就是用回归方程去预测未来。如果在预测时,自变量的取值在建模时样本数据x的取值范围之内,这种预测称为内插预测，内插预测的效果通常较好，预测误差小。如果自变量x的取值超出了建模时样本数据x的取值范围, 这种预测称为外推预测，外推预测的效果可能不好。因为我们所建立的回归方程是直线方程,而理论上回归方程一般并非是严格的直线。如果用经验回归方程去预测可能导致较大的误差。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §4.4 回归方程的显著性检验 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §4.4 回归方程的显著性检验 其中Sig就是P值，Sig是Significance（显著性）的简写，这里只保留了三位小数，因而显示为零。可以看出，两种软件的计算结果是一致的，只是输出项目和项目名称略有不同。以上只是软件默认的输出项目