关于一般线性回归方法的计量分析.pdf

为天地立心，为生民立命，为往圣继绝学，为万世开太平。——张载

关于一般线性回归方法的计量分析案例

摘要:线性回归方法是用来研究两个或两个以上的随机变量之间的相互依存关系

的紧密程度。一般采用普通最小二乘法使样本各组数据的残差平方和极小，其前

提条件符合高斯5点基本假设。然而，在研究实际问题中，采用的样本数据违反

了高斯-马尔柯夫定理的条件，经常存在多重共线性，异方差性，自相关性问题，

这些问题的出现导致了在进行数据预测过程中结果出现极大的偏差。本文旨在通

过研究影响国内生产总值（GDP）的几个因素，以及其之间的相关关系对这些问

题进行检验以及消除，使得实际问题的预测更加准确。

关键词：回归分析，相关分析，高斯假设，普通最小二乘法，统计学检验，计量

经济学检验

引言

1.回归分析与相关分析

相关分析是研究两个或两个以上随即变量之间相互依存关系的紧密程度。不

分自变量与因变量。现象间数量的依存关系不是确定的，有一定随机性。回归分

析是研究某一随机变量与其他一个或几个普通变量之间的数量变动的关系。要定

出自变量与因变量，且自变量是确定的普遍变量，几个变量间存在相关关系。

2.回归分析的一般步骤

（1）确定解释变量和被解释变量，数据录入；

（2）画回归模型类型：散点图；

（3）建立回归方程：

（4）检验；

（5）预测。

3.高斯假设

2

假设1零均值yt=b,yt=0

12

xx

tt222

假设2同方差var(u)=E[u-E(u)]=E(u)=

tttt

假设3无自相关cov(u,u)=0

ts

假设4x与u不相关cov(x,u)=0

tttt

2



假设5正态性u~N(0,)

t

4.最小二乘法（OLS）

图1

残差e=预测值与样本值y之差（y-y’）

iii

当样本各组数据的残差平方和最小时，此线性函数最接近样本中变量关系。按此

为天地立