《计量经济学 张晓峒著》学习笔记

一、一般过程:

确定研究对象 → 收集数据 → 画变量散点图 → 设计、估计、诊断、检验模型、分析回归参数、预测。
1.确定研究对象:略
2. 收集数据:略
3. 画变量散点图:一定要养成习惯,画变量散点图。
4. 设计、估计、诊断、检验模型、分析回归参数、预测:本书重点

二、一元线性回归模型

1.模型的建立及假定条件
一元线性回归模型:
《计量经济学 张晓峒著》学习笔记_第1张图片
2.最小二乘估计(OLS)
《计量经济学 张晓峒著》学习笔记_第2张图片
注意:残差是对随机误差项的估计
最小二乘法的原则:以“残差平方和最小”确定直线位置,由高斯最先提出
《计量经济学 张晓峒著》学习笔记_第3张图片
得到下面红框中的值:
《计量经济学 张晓峒著》学习笔记_第4张图片
3.某城市鲜蛋和收入关系的案例

import numpy as np
import pandas as pd
from sklearn import linear_model
import matplotlib.pyplot as plt

year = [1988,1989,1990,1991,1992,1993,1994,1995,1996,1997,1998]
egg = [14.4,14.4,14.4,14.7,17.0,16.3,18.0,18.5,18.2,19.3,17.1]
income = [847.26,820.99,884.21,903.66,984.09,1035.26,1200.90,1289.77,1432.93,1538.97,1663.63]

lnr_mdl = linear_model.LinearRegression()
lnr_mdl.fit(X = np.array(income).reshape(-1, 1),y = np.array(egg).reshape(-1, 1))

beata_1 = lnr_mdl.coef_
beata_0 = lnr_mdl.intercept_
print('beata_1:%f'%beata_1,'\n','beata_0:%f'%beata_0)

plt_x = np.linspace(800,1600,20)
plt_y = (beata_0 + beata_1 * plt_x)[0]

plt.scatter(income,egg)
plt.plot(plt_x,plt_y,color = 'r')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

《计量经济学 张晓峒著》学习笔记_第5张图片

你可能感兴趣的:(机器学习算法,python)