经济基础知识考点精讲 | 第4部分 统 计 · 回归分析
| 所属考试 | 中级经济师 |
|---|---|
| 所属科目 | 经济基础知识 |
| 对应大纲 | 《经济专业技术资格考试大纲（初级、中级）·经济基础知识（中级）》 |
| 所属章节 | 第4部分 统 计 |
| 知识点名称 | 回归分析 |
| 适用等级 | 经济专业技术资格（中级） |
| 考试分值 | 约 8 分 |
核心内容
- 回归分析的含义：研究一个变量（因变量）如何随另一个或几个变量（自变量）变动而变动的统计方法，目的是建立变量之间的数量依存关系并进行预测与控制。
- 与相关分析的区别：相关分析测度变量之间是否存在关系及关系密切程度，两个变量地位对等；回归分析要区分自变量与因变量，并给出具体的数量关系式。相关是回归的前提，回归是相关的深化。
- 一元线性回归模型：Y = β0 + β1X + ε。其中 β0 为截距，β1 为回归系数（斜率），ε 为随机误差项，反映未纳入模型的其他因素与测量误差。
- 回归系数的经济含义：β1 表示自变量 X 每变动一个单位，因变量 Y 平均变动 β1 个单位。注意「平均」二字，它描述的是总体趋势，不是每一个个体的实际变化。
- 最小二乘法的思路：使各观测点与回归直线的纵向偏差平方和达到最小，即 min Σ(yi − ŷi)²。平方处理避免正负偏差相互抵消，也使估计结果稳定且便于计算。
- 参数估计公式：回归系数估计值 β̂1 = Lxy / Lxx，其中 Lxy = Σ(xi − x̄)(yi − ȳ)，Lxx = Σ(xi − x̄)²；截距估计值 β̂0 = ȳ − β̂1x̄。回归直线经过点（x̄, ȳ）。
- 离差平方和的分解：总离差平方和 SST = 回归平方和 SSR + 残差平方和 SSE。SST 反映 Y 的总波动，SSR 反映被回归直线解释的部分，SSE 反映未被解释的部分。
- 决定系数 R²：R² = SSR / SST = 1 − SSE / SST，取值在 0 到 1 之间，表示因变量的变动中由自变量解释的比例。R² 越接近 1，拟合程度越好。一元线性回归中 R² 等于相关系数 r 的平方。
- 估计标准误差 Se：Se = √[SSE / (n − 2)]，衡量观测值围绕回归直线的平均离散程度，单位与因变量相同，数值越小说明拟合越精确。
- 回归系数的显著性检验（t 检验）：检验 H0：β1 = 0，统计量 t = β̂1 / Sβ̂1，自由度 n − 2。若拒绝原假设，说明 X 对 Y 的线性影响显著；若不拒绝，回归方程虽算出数值，但解释力不足。
- 回归方程的显著性检验（F 检验）：一元线性回归中 F 检验与回归系数的 t 检验等价，F = SSR / [SSE / (n − 2)]。多元回归中二者不同：F 检验判断整体是否显著，t 检验判断单个系数是否显著。
- 残差分析：检查残差是否满足零均值、同方差、相互独立等假定。若残差呈明显规律（如随 X 增大而扩大），提示存在异方差；若残差自相关，提示遗漏了时间趋势等变量。
- 多元线性回归：Y = β0 + β1X1 + … + βkXk + ε。需关注多重共线性（自变量高度相关导致系数估计不稳定）、调整后的决定系数（对自变量个数作惩罚）。
- 非线性回归：变量间关系呈曲线时，可通过变量变换（对数、倒数、幂函数变换）转化为线性回归处理，再用变换后的模型估计参数。
- 预测：点预测是把自变量的取值代入回归方程得到因变量的估计值；区间预测在此基础上考虑抽样误差，给出一定置信水平下的取值范围。外推超出样本范围时须谨慎。
- 使用中的三个边界：一是相关不等于因果，回归系数显著只说明统计关联；二是避免超出样本范围大幅外推；三是注意样本代表性与异常值影响，个别极端值可能明显改变斜率。
- 常见考法：回归系数的经济解释；最小二乘法的原理；R² 的含义与计算；t 检验与 F 检验的用途区分；残差图判断异方差；相关与因果的辨析。
易错点
易错点：把回归系数解释为「X 变动一个单位，Y 一定变动 β1 个单位」。→ 正确理解：应为「平均变动」，个体观测值会围绕回归直线波动。
易错点：认为 R² 越大模型就一定越好。→ 正确理解：R² 只反映拟合程度，还要看系数是否显著、残差是否满足假定、模型是否有经济意义；多元回归中增加自变量会推高 R²，故需看调整后的决定系数。
易错点：把 t 检验与 F 检验当成一回事。→ 正确理解：一元线性回归中二者等价；多元回归中 F 检验针对整体显著性，t 检验针对单个系数。
易错点：认为回归系数显著就证明存在因果关系。→ 正确理解：显著性只说明统计关联不为零，因果推断需要研究设计支持。
易错点：忽略残差假定直接使用模型预测。→ 正确理解：异方差、自相关会使标准误失真，进而影响检验结论与预测精度。
记忆口诀
模型记「Y 等截距加斜率乘 X 加误差」；估计记「斜率等于协方差比方差、截距等于均值差」；分解记「总变差 = 回归变差 + 残差变差」；检验记「t 看单个系数、F 看整体方程、一元二者等价」。
考试分值
该知识点是《经济基础知识》统计部分的计算方法类内容，常以计算题与概念辨析题出现，预计分值约 8 分。
经典例题
1.【单项选择题】在一元线性回归中，决定系数 R² = 0.81，这意味着（ ）。
A. 因变量变动的 81％ 可由自变量解释 B. 自变量变动的 81％ 可由因变量解释 C. 回归系数等于 0.81 D. 预测误差为 81％
答案：A
解析：考查决定系数的含义。R² 表示因变量的变动中由自变量解释的比例，0.81 即 81％，故选 A；R² 与回归系数的数值无直接对应，也不表示误差比例。
解析：考查决定系数的含义。R² 表示因变量的变动中由自变量解释的比例，0.81 即 81％，故选 A；R² 与回归系数的数值无直接对应，也不表示误差比例。
2.【单项选择题】用最小二乘法估计一元线性回归方程，其基本思路是使（ ）。
A. 观测值与回归值的纵向偏差平方和最小 B. 观测值与回归值的偏差之和等于零 C. 回归平方和最小 D. 自变量与因变量的相关系数最大
答案：A
解析：考查最小二乘法原理。最小化纵向偏差平方和，既避免正负抵消又便于求解，故选 A；偏差之和为零是估计结果的附带性质，不是估计准则。
解析：考查最小二乘法原理。最小化纵向偏差平方和，既避免正负抵消又便于求解，故选 A；偏差之和为零是估计结果的附带性质，不是估计准则。
3.【多项选择题】关于一元线性回归的检验，说法正确的有（ ）。
A. 回归系数的 t 检验用于判断 X 对 Y 的线性影响是否显著 B. F 检验用于判断回归方程整体的显著性 C. 一元线性回归中 t 检验与 F 检验等价 D. 只要 R² 较大，就不必做显著性检验
答案：ABC
解析：考查检验的用途。t 检验针对单个系数、F 检验针对整体方程，一元情形下二者等价，A、B、C 正确；样本量较小时 R² 可能因偶然性偏大，显著性检验不可省略，D 错误。
解析：考查检验的用途。t 检验针对单个系数、F 检验针对整体方程，一元情形下二者等价，A、B、C 正确；样本量较小时 R² 可能因偶然性偏大，显著性检验不可省略，D 错误。
常见问题（QA）
- Q1：R² 很高但回归系数不显著，是怎么回事？
- A1：常见于样本量偏小或自变量之间存在共线性的情形。样本量小时，R² 容易被少数点「撑高」，而系数估计的标准误很大，t 值上不去；共线性时，两个高度相关的自变量会互相「抢」解释力，单个系数都不显著但整体拟合尚可。处理办法是扩大样本、检查方差膨胀因子、必要时删除或合并共线变量，而不是只看 R² 下结论。
- Q2：回归能用来做因果判断吗？
- A2：单靠回归不能。回归给出的是条件期望关系，系数显著只说明在控制其他变量后统计关联不为零。要谈因果，需要研究设计上的支持：随机分配、自然实验、断点回归、工具变量等。实务中常见的错误是把「广告投入与销售额高度相关」直接解读为「增加广告必然提升销售额」，忽略了同期促销、季节性与渠道扩张的影响。
- Q3：考试里给一组数据让算回归系数，怎么保证不算错？
- A3：按四步走：先算 x̄ 与 ȳ；再算 L<sub>xy</sub> 与 L<sub>xx</sub>（用离差乘积与离差平方，别用原始值直接代）；然后用 β̂<sub>1</sub> = L<sub>xy</sub>/L<sub>xx</sub> 求斜率，用 β̂<sub>0</sub> = ȳ − β̂<sub>1</sub>x̄ 求截距；最后把（x̄, ȳ）代回方程验证是否成立。回归直线经过均值点，这一步能拦下大部分计算错误。
依据：中国人事考试网 官方考试大纲 来源：中国人事考试网 http://www.cpta.com.cn/
说明：2026 年版经济专业技术资格考试大纲由人力资源和社会保障部人事考试中心发布；中级设公共科目《经济基础知识》与专业科目《专业知识和实务》（10 个专业），两科均为电子化考试、各 90 分钟、满分 140 分、84 分合格，成绩实行 2 年为一个周期的滚动管理。如辅导教材内容与最新颁布的法律法规及监管要求有抵触，以最新颁布的法律法规为准。
本文内容依据官方考试大纲与现行法律法规整理，仅供参考，具体以官方教材及现行法律法规原文为准。如遇政策调整，请以 中国人事考试网 的最新官方公告为准。
(责任编辑：admin)