知识库/期货从业 /一元线性回归分析

一元线性回归分析

一元线性回归分析相关课程

本视频可免费试听30秒,看完整版请购买课程

一元线性回归分析考点解析

所属考试:期货从业
授课老师:李泽瑞
所属科目:期货投资分析
考点标签: 了解
所属章节:第三章 统计与计量分析/第二节 线性回归分析/线性回归模型
所属版本:

一元线性回归分析介绍

(一)一元线性回归模型的基本假定

设有如下一元线性回归模型:

IMG_301

yi:因变量或被解释变量;

χi:自变量或解释变量;

μi:一个随机变量,称为随机(扰动)项;

α,β:是两个常数,称为回归参数,

下标i:表示变量的第 i 个观察值或随机项

 

t检验

  又称回归系数检验,步骤如下:

  第一步:提出假设。设原假设 H0:β=0,备择假设H1:β≠0。

  第二步:构造t统计量,即服从自由度为n-2的t分布:

IMG_307IMG_308

IMG_309

一元线性回归分析的预测:点预测和区间预测

1.点预测。设回归模型为:

  yi = α+β xi + μi (i=1, 2 ,3, ..., n)

  假定在抽样期外的某预测期 f 中的自变量 xf 已知,上述模型适用于该预测期,这时因变量 yf =α+β xf + μf

其中,随机项满足基本假定。此时 yf 的预测值有两个,一个是期望值,一个是 yf 的点预测值。

 

IMG_311

专题更新时间:2025/08/01 11:35:50
期货投资分析知识点:一元线性回归模型的基本假定

期货投资分析知识点:一元线性回归模型的基本假定

设有如下一元线性回归模型:yi:因变量或被解释变量;χi:自变量或解释变量;μi:一个随机变量,称为随机(扰动)项;α,β:是两个常数,称为回归参数,下标i:表示变量的第 i 个观
2024-03-25 浏览:290
期货投资分析知识点:一元线性回归模型的参数估计

期货投资分析知识点:一元线性回归模型的参数估计

一元线性回归模型的参数常采用普通最小二乘法(Ordinary LeastSquares,OLS)来估计。假定拟合的最优直线方程为∶达到最小。通过求解上述方程可得一元线性回归参数的估计值。该参数估计方法
2024-03-25 浏览:101
期货投资分析知识点:一元线性回归模型的检验-拟合优度

期货投资分析知识点:一元线性回归模型的检验-拟合优度

拟合优度,又称样本"可决系数",用于度量回归直线对样本观测值的拟合程度,常用R2表示,计算公式为∶其中,TSS为总离差平方和,ESS为回归平方和,RSS为残差平方和。很显然,在总离
2024-03-25 浏览:165
期货投资分析知识点:一元线性回归模型的检验-t检验

期货投资分析知识点:一元线性回归模型的检验-t检验

t检验又称回归系数检验,步骤如下:第一步:提出假设。设原假设 H0:β=0,备择假设H1:β≠0。第二步:构造t统计量,即服从自由度为n-2的t分布:第三步,给定显著性水平α,查表得到临界值
2024-03-25 浏览:777
期货投资分析知识点:一元线性回归模型的预测

期货投资分析知识点:一元线性回归模型的预测

1.点预测。设回归模型为:yi = α+β xi + μi (i=1, 2 ,3, ..., n)假定在抽样期外的某预测期 f&n
2024-03-25 浏览:81

一元线性回归分析考点试题

多选题 1.回归分析是期货投资分析中重要的统计分析方法,而线性回归模型是回归分析的基础。一元线性回归模型中关于随机项的基本假定是()。
A . 随机项μi与自变量任一观测值xi不相关
B . E(μi)=0,Var(μi)=σμ2=常数
C . 每个随机项μi均为独立同分布,服从正态分布的随机变量
D . 每个随机项μi之间均互不相关

正确答案: A

答察解析: 一元线性回归模型为:yi=α+βxii,(i=1,2,3,…,n),其中,yi称为因变量或被解释变量;xi称为自变量或解释变量;μi是一个随机变量,称为随机(扰动)项;α和β是两个常数,称为回归参数;下标i表示变量的第i个观测值或随机项。
在一元线性回归中,随机项应满足如下基本假定:
假定1,每个“μi=(i=1,2,3,…,n)”均为独立同分布,服从正态分布的随机变量,E(μi)=0,Var(μi)=σμ2=常数。
假定2,每个随机项 μ均互不相关,即:Cov(μi,μj)=0(i≠j)。
假定3,随机项μi与自变量任一观测值xi不相关,即:Cov(μi,xi)=0(i=1,2,3,…,n)

多选题 2.利用回归方程,预测期内自变量已知时,对因变量进行的预测通常分为()。
A . 点预测
B . 区间预测
C . 相对预测
D . 绝对预测

正确答案: A

答察解析: 当预测期内的自变量已知时,对因变量的预测为无条件预测;如果在预测期内的自变量未知,对因变量预测为有条件预测。一般来说,无条件预测分为点预测与区间预测。

单选题 3.根据线性回归模型的基本假定,随机误差项应是随机变量,且满足()。
A . A .自相关性
B . B .异方差性
C . C .与被解释变量不相关
D . D .与解释变量不相关

正确答案: D

答察解析: 一元线性回归模型,随机项μ满足以下假定:
假定1:每个μi(i=1,2,3,...n) 均为独立同分布,且服从正态分布的随机变量,E(μi)=0,Var(μi)=σμ2=常数
假定2:每个随机项μi均互不相关,即:
       Cov ( μi,μj)=0(i≠ j)
假定3:随机项μi与自变量的任一观察值xi不相关,即:Cov (μi,xi)=0(i=1,2,3,....n)

判断题 4.可决系数越接近于1,线性回归模型的解释能力越弱。()
A .
B .

正确答案: A

答察解析: 可决系数越接近于1,线性回归模型的解释能力越强。可决系数越接近于0,线性回归模型的解释能力越弱。

单选题 5.在线性回归模型中,可决系数R^2的取值范围是(  )。
A . R^2≤-l
B . R^2≥1
C . 0≤R^2≤1
D . -1≤R^2≤1

正确答案: C

答察解析: 线性回归模型中,可决系数的取值范围是0到1。

大咖讲解:一元线性回归分析

李泽瑞
证券从业
银行从业
期货从业
经济学硕士、金融培训高级讲师,李泽瑞老师从事金融类考证培训,教学经验丰富,出口成“段子”,是一个让学员欲罢不能的很有个人风格的老师,江湖学员称被讲课耽误的“德云社”编外弟子。
查看老师课程
相关知识点推荐
高频

相关性

变量与变量之间通常存在三种关系:确定性的函数关系、相关关系以及没有关系。确定性的函数关系表示变量之间存在一一对应的确定关系;相关关系表示一个变量的取值不能由另外一个变量唯一确定,即当变量x取某一个值时,变量y对应的不是一个确定的值,而是对应着某一种分布,各个观测点对应在一条直线上。


高频

线性回归模型

一元线性回归模型:yi=a+Bxi+μi(i=1,2,3,…,n) 其中,yi称为因变量或被解释变量;xi称为自变量或解释变量;μi是一个随机变量,称为随机(扰动)项;a和β是两个常数,称为回归参数。
多元线性回归主要用于分析影响因变量的因素,不仅涉及一个自变量,而且可能涉及多个自变量。例如,我们在分析一家公众公司的价值时,需要研究其多个财务指标,比如负债比例、资产回报率等指标序列(每个月指标)。这些指标构成公司价值(序列)的核心影响因素,我们定义公司价值(序列)为因变量时,这些财务指标(序列)就是自变量。
多元线性回归主要用于分析影响因变量的因素,不仅涉及一个自变量,而且可能涉及多个自变量。例如,我们在分析一家公众公司的价值时,需要研究其多个财务指标,比如负债比例、资产回报率等指标序列(每个月指标)。这些指标构成公司价值(序列)的核心影响因素,我们定义公司价值(序列)为因变量时,这些财务指标(序列)就是自变量。
多元线性回归分析模型【βk是参数,Xki的线性部分加上随机扰动项μi】

Yi=β0+β1β1i+β2β2i+…+βkXki+μi

高频

多元线性回归分析

多元线性回归模型分析一个因变量和几个自变量之间的关系。形式如下:

IMG_319

IMG_320

(二)多元线性回归模型的参数估计

  同一元线性回归模型类似,可利用OLS估计多元线性回归模型的参数。此时有:

IMG_321

  为使得残差平方和Q达到最小的必要条件为:

IMG_322IMG_323

(三)多元线性回归模型的检验:

1.拟合优度检验

2.F检验(显著性检验)

3.t检验(回归系数检验)

添加期货从业学习群或学霸君

领取资料&加备考群

233网校官方认证

扫码加学霸君领资料

233网校官方认证

扫码进群学习

233网校官方认证

扫码加学霸君领资料

233网校官方认证

扫码进群学习

拒绝盲目备考,加学习群领资料共同进步!

师资团队

期货从业考试书籍
互动交流
扫描二维码直接进入

微信扫码关注公众号

获取更多考试资料