计量经济学的发展.pptVIP

2. F值 F值是多元回归分析中对多个回归系数进行综合检验时采用。(也称方程的显著性检验) 设模型为 Step1: H0：?1=0， ?2=0 H1：?1与?2至少有一个不为零。 原假设意味着所有的解释变量对被解释变量 y 没有任何影响，也即估算出的多元回归模型中没有意义，若拒绝原假设，则可以判断解释变量的全部或部分对被解释变量 y 有影响。 Step2: k为解释变量的个数，n 为样本容量，R2为决定系数。 Step3: 查第一自由度(横向)为k，第二自由度(纵向)为(n?k?1)在一定的显著性水平，如5%或1%的F分布表中的判定值。 若Step2计算出的F值大于判定值，放弃原假设，结果为显著，否则接受H0，即说明全部的解释变量 x 对 Y 没有影响。 例子：见P134 3. 结构变化的F检验 用于调查、检验经济分析中一个极其重要的问题，即“是否存在结构变化”。 Step1：在时间序列的回归分析中，找出估算期间内发生结构变化的时点(分界点)，以此时点为标准，将期间分为前期和后期。 Step2：对前期、后期、全部期间进行回归分析，求各自的残差平方和RSS 1，RSS 2， RSS。（书中用SSR） Step3：根据结构变化下的检验公式，计算F值。 RSS1，前期残差平方和，n1:前期的样本数 RSS2，后期残差平方和，n2:后期的样本数 RSS，全部期间的残差平方和，k:解释变量数 (1) (2) 当 时 当 决定系数的常用计算公式： 决定系数R2反映的是Y的全部变化中能够由回归来说明的部分的比率。例如R2=0.95 说明模型具有 95% 的解释力。 决定系数=相关系数的平方 0?R2 ?1 4. 非线性方程的回归方程 某些非线性模型，可通过对被解释变量和解释变量的某种变换，可以将非线性方程转换成能够用最小二乘法进行分析的线性方程。 例如：若模型为Y=?x? (?、?为待估参数) 显然上式非线性函数，两边取自然对数，可得 令y=lnY, a=ln?, x=lnx 有 y=a+ ? x 的线性模型可用OLS估计。 又如：对多元线性回归 取对数 令z=lnZ, a=ln?, x=lnX, y=lnY 有z= a+? x +?y 的二元线性回归模型 例子，参看P88-93 掌握将常见的非线性函数线性化的运算以及对线性化的模型进行OLS估计。 特别是逻辑函数II ?为普及率的饱和水平，此模型有不少应用，参看例子中逻辑函数估计方法。 第四章 多元线性模型 1. 多元回归分析 对被解释变量与两上以上的变量之间的关系进行估计的回归分析，称为多元回归分析，我们主要考虑二元回归方程。 形如，Y=?+?1x1+?2x2+? ?, ?1, ?2为回归参数。 方法仍用OLS 引入记号 这样，可求出二元回归中回归系数 特别注意在具体问题中的回归系数 的经济含义，参看课件中的内容。 要求，能用简单数据进行二元线性估计，参看P101-102例。 2. 决定系数与多元相关系数 二元回归的决定系数 （在计算出二元回归方程的情况下常用的公式） 同理0?R2?1 多元(二元)相关系数 多元相关系数是用来测量被解释变量与两个以上解释变量之间相关关系强弱的指标。 3. 自由度调整后的决定系数 为了解决多元回归决定系数随着解释变量数量的增加，系数会自动变大的缺陷，引入自由度调整后的决定系数： R2为决定系数，n 为样本数，k为解释变量的个数(不包括常数项) 4. 偏相关系数 在Y, x1, x2三个变量，与x1既定时，Y与x2之间相关关系的指标，称为偏相关系数，记为RY2?1. 同理可将 ?1? RY2?1 ?1， ?1? RY1?2 ?1 [补充1] OLS中误差项?t 的假定 (1) (2) (3) (4) (5) 若(1)~(4)成立，由OLS得出的估计量为最优线性无编估计量BLUE，又叫做Gauss-Markov定理。 下面复习不满足上述5个条件时的某些情形。 [补充2] 异方差性 有异方差性的OLS估计，所得到的估计值就不是BLUE，一般，利用横截面数据比利用时序列数据，更容易出现易方差问题。 异方差的解决方法： (1)对解释变量与被解释变量进行对数变换； (2)用加权最小二乘法(WLs); (3)最优法模型进行估计。 [补充3] 多重共线性 在多元回归分析中，如果解释变量之间关系很密切，就会出现所谓的多重共线性问题，多重共线性表现为： (1) 尽管R2很高但t值较低； (2) 存在估计出的回归系数的符号(正、负)与理论不一致等问题，从而降低了多元回归模型估计结果的可靠性。 解决方法如将相关性较高的解释变量消除n个等更详细的结果看P115-116。 第五章 回归模型的假设检验 1. t值 t值是用来检