-写给报考中级经济师的小伙伴们
2022年11月3日 周四 深圳 晴1122/1000
【主题】经济学常识
【字数】1235
离经济师考试还有9天，继续来分享经济基础第26章回归分析的考点。这一章所涉及的考点有8个，分别为：
1、相关分析与回归分析的关系（联系、区别）
2、回归模型的分类
3、一元线性回归模型（回归系数是用最小二乘法计算的）
4、一元线性回归方程
5、最小二乘法
6、回归模型的拟合效果分析（决定系数的取值）
7、模型预测
8、二元回归模型案例
第一个考点：相关分析与回归分析的关系
1、概念
回归分析就是根据相关关系的具体形态，选择一个合适的数学模型，来近似的表达变量间的依赖关系。
回归分析的实质：是在相关分析的基础上，研究变量间的数量变化规律。
2、回归分析与相关分析的联系：
它们具有共同的研究对象，而且在具体应用时，常常必须互相补充。
相关分析需要依靠回归分析来表明现象数量相关的具体形式。
回归分析则需要依靠相关分析来表明现象数量变化的相关程度。
只有当变量间存在高度相关时，进行回归分析寻求其相关的具体形式才是有意义的。
3、回归分析与相关分析的区别：
相关分析与回归分析在研究目的和研究方法上有明显区别，在进行回归分析时，首先需要确定因变量和自变量。
相关分析研究变量之间相关的方向和相关的程度。但是相关分析不能指出变量间的具体形式，无法从一个变量的变化来推测另一个变量的变化情况。
回归分析是研究变量之间相互关系的具体形式，它对具有相关关系的变量之间的数量联系进行测定，确定一个相关的数学方程式，根据这个数学方程式可以从已知量来推测未知量，从而估算和预测提供了一个重要方法。
第二个考点：回归模型的分类
分类依据：按自变量的多少，分为一元（一个X）回归模型和多元（多个X）回归模型。
按回归模型是否为线性：分为线性回归模型和非线性回归模型。
第三个考点：一元线性回归模型
1、一元线性回归是描述两个变量之间相互关系的最简单的回归模型。
[if !supportLists]2、[endif]回归模型可以用描述因变量Y如何依赖自变量X和误差项𝛆的方程来表示。
一元线性回归模型可以表示为：Y=𝛃0+𝛃1X+𝛆
模型中，因变量Y是自变量X的线性函数（𝛃0+𝛃1X）加上误差项𝛆。
𝛃0、𝛃1为模型的参数，也叫回归系数。
𝛃0+𝛃1X反映了由自变量X的变化引起因变量Y的线性变化。
误差项𝛆，是一个随机变量，表示出X和Y的线性关系之外的随机因素对Y的影响。
第四个考点：一元线性回归方程
1、描述因变量Y的期望E(Y)如何依赖自变量X的方程称为回归方程。
2、一元线性回归方程的形式为：E(Y)=𝛃0+ 𝛃1X
3、一元线性回归方程的图示是一条直线。
𝛃0（备注：0为下标）是回归直线的截距，表示自变量X为0时，因变量Y的期望值，即E(Y)的值。
𝛃1（备注：1为下标）为回归直线的斜率，表示自变量X每变动一个单位时，E(Y)的值。
如，利用样本数据拟合城镇居民人均可支配收入X（单位：元）和人均消费Y（单位：元）的回归方程，估计方程Y=1293+0.6X。表示，城镇居民家庭人均可支配收入每增加1元，城镇居民人均消费增加0.6元。
明天继续分享第26章后面的4个考点。
网友评论