第十一章 现代公共政策的定量分析方法
第十一章 现代公共政策的定量分析方法
第一节预测分析 预测主要是用来说明现实与未来的因果 关系 未来与预测的对象 1、与预测相联系的未来主要有三种情 形:潜在性未来;可能性未来;规范性未来 预测的对象主要有四种:现有政策 后果的预测;新政策后果的预测;新政策内 容的预测;政策参与者和相关权力主体行为 的预测
第一节 预 测 分 析 预测主要是用来说明现实与未来的因果 关系。 一、未来与预测的对象 1、与预测相联系的未来主要有三种情 形：潜在性未来；可能性未来；规范性未来。 2、预测的对象主要有四种：现有政策 后果的预测；新政策后果的预测；新政策内 容的预测；政策参与者和相关权力主体行为 的预测
预测的基础与主要形式 1、趋势推倒与设计性预测 理论假设与前提性预测 3、主观判断与假设性预测 预测的常用方法 1、平均预测法:算术平均法加权平均法 2、概率预测法:(马尔柯夫分析)
二、预测的基础与主要形式 1、趋势推倒与设计性预测 2、理论假设与前提性预测 3、主观判断与假设性预测 三、预测的常用方法 1、平均预测法：算术平均法 加权平均法 2、概率预测法：（马尔柯夫分析）
第二节经济效益分析 净现等效即NPE=贴现效益一贴现费用 效益费用比: 标准效益费用比: B/C=贴现效益除以贴现费用 边际效益费用比: DB/DC=贴现效益的增加除以贴现费用的增加 回收率:综合:ROR=项目的NPE为零的贴 现率;边际:MROR=项目MNPE为零的贴现率, 其中NNPE=贴现效益的增量一贴现费用的增量
第二节 经济效益分析 一、净现等效即NPE＝贴现效益－贴现费用 二、效益费用比： 标准效益费用比： B/C＝贴现效益除以贴现费用 边际效益费用比： DB/DC＝贴现效益的增加除以贴现费用的增加 三、回收率：综合：ROR=项目的NPE为零的贴 现率；边际：MROR＝项目MNPE为零的贴现率， 其中MNPE=贴现效益的增量－贴现费用的增量
第三节回归分析 ●回归分析的目的 设法找出变量间的依存(数量)关系,用函 数关系式表达出来 ●样本回归直线: Y=a+bx
第三节 回归分析 ⚫回归分析的目的: 设法找出变量间的依存(数量)关系, 用函 数关系式表达出来。 ⚫样本回归直线: Y=a+bx
基本概念 1、因变量( dependent variable) 2、自变量( independent variable) 3、一元线性回归 直线回归方程的模型是:y=a+bx+e1 其中:(1)a是截距 (2)b是回归系数(回归直线的斜率)( regression coefficient) 回归系数的统计学意义是:自变量每变化一个单位, 因变量平均变化的单位数 (3)e;是残差
二、 基 本 概 念 1、因变量（dependent variable) 2、自变量（independent variable） 3、一元线性回归 直线回归方程的模型是：yi=a+bxi+ei 其中：（１）a是截距 （２）b是回归系数（回归直线的斜率）(regression coefficient) 回归系数的统计学意义是：自变量每变化一个单位， 因变量平均变化的单位数． （３）ei是残差
因此直线回归方程的一般形式是: vi-a+bx 1/72 b 72 ∑x∑ b 其中ν是因变量y的预测值或称估计值
因此直线回归方程的一般形式是： • 其中 是因变量y的预测值或称估计值。 ^ i y ^ y a bx i i = + 2 2 n x ( x) n x y x y b n x a y n b − − = = −
4、多元线性回归 多元线性回归方程模型为: yi=bo+b x1i+b2X2it.+b,Nite 其中: (1)b是常数项,是各自变量都等于0时,因变量的估计值。 有时,人们称它为本底值。 (2)b1,b2,…,bn是偏回归系数 pertial regression coefficient),其统计学意义是在其它所有自变量不变的情 况下,某一自变量每变化一个单位,因变量平均变化的单 位数。 如果所有参加分析的变量都是标准化的变量,这时 b就等于0,b1,b2,…,bn就变成了标准化偏回归 系数,用符号b,b2,…,bn表示。 b;=bi*sxi/sy 由于b;没有量纲,因此可以相互比较大小,反映自 变量的相对作用大小。 (3)e是残差
4、多元线性回归 多元线性回归方程模型为： yi=b0+b1x1i+b2x2i+…+bnxni+ei 其中 ： (1) b0是常数项，是各自变量都等于0时，因变量的估计值。 有时，人们称它为本底值。 (2) b1，b2，…，bn是偏回归系数(pertial regression coefficient)，其统计学意义是在其它所有自变量不变的情 况下，某一自变量每变化一个单位，因变量平均变化的单 位数。 如果所有参加分析的变量都是标准化的变量，这时 b0就等于0， b1，b2，…，bn 就变成了标准化偏回归 系数，用符号b1 ‘ ，b2 ’ ，…，bn ‘表示。 bi ’= bi*sxi/sy 由于bi ’没有量纲，因此可以相互比较大小，反映自 变量的相对作用大小。 (3) ei是残差
多元线性回归方程的一般形式是: b+b2x1+b2x21+…+bx 其中的符号含义同前
多元线性回归方程的一般形式是： 其中的符号含义同前
、理论假设 自变量x与因变量y之间存在线性关系; 正态性:随机误差(即残差)e服从均值为零, 方差为σ2的正态分布; 等方差:对于所有的自变量x,残差e的条件 方差为σ2,且o为常数; 独立性:在给定自变量x的条件下,残差e的 条件期望值为零(本假设又称零均值假设); 无自相关性:各随机误差项e互不相关; °残差e与自变量x不相关:随机误差项e与相应 的自变量x不相关; 无共线性:自变量x之间相互独立
三、理论假设 • 自变量x与因变量y之间存在线性关系； • 正态性：随机误差（即残差）e服从均值为零， 方差为２的正态分布； • 等方差：对于所有的自变量x，残差e的条件 方差为２ ，且为常数； • 独立性：在给定自变量x的条件下，残差e的 条件期望值为零（本假设又称零均值假设）； • 无自相关性：各随机误差项e互不相关； • 残差e与自变量x不相关：随机误差项e与相应 的自变量x不相关； • 无共线性：自变量x之间相互独立．
