双变量模型假设检验.docVIP

第7章 双变量模型：假设检验 7.1 古典线性回归模型 基本假定： A7.1 解释变量（X）与扰动项不相关 如果X是确定性变量，该假定自然成立。 A7.2 扰动项的期望或均值为零。即E(ui)=0 （7-1） A7.3 同方差假定，即Var(ui)为常数 （7-2） A7.4 无自相关假定，即随机扰动项之间是互不相关的。 即COV(ui,uj)=0 当i≠j时 （7-3） 7.2 普通最小二乘估计量的方差和标准差 7.2.1 widget一例中的方差和标准差及需求函数小结 Widget的需求函数如下： 具体计算可用软件演示。 7.3 普通最小二乘估计量的性质 OLS估计量是最优线性无偏估计量。 b1和b2满足： (1)线性：即b1和b2是随机变量Y的线性函数。 (2)无偏性，即 (3)最小方差性，即b1的方差小与其他任何一个B1的无偏估计量的方差 b2的方差小与其他任何一个B2的无偏估计量的方差 蒙特卡洛试验，假定已知如下信息： ui服从N(0，4)分布。假定X有10个观察值：1,2,3,4,5,7,7,8,9,10。 试验及试验结果见 表7-2 蒙特卡洛试验 （书104页） 7.4 OLS估计量的抽样分布或概率分布 为了求得OLS估计量b1和b2的抽样分布，我们需要在增加一条假定，即： A7.5 在总体回归函数 中，误差项ui服从均值为零，方差为σ2的正态分布，即 (7-17) 正态变量b1和b2的均值和方差为： (7-19) 图 7-4 估计量分布的几何图形见书P107。 7.5 假设检验 在widget一例中， 假定价格对需求量没有影响，： ：。 。 变量Z服从标准正态分布， (7-20) 若随机误差的方差已知，即可利用Z统计量来进行假设检验。如果随机误差的方差未知， (7-21) 或 (7-22) 7.5.1 置信区间法 假定显著水平α为5％，由于是双尾检验，查表可得： 得到B2的95％置信区间为 将Widget一例中的数字代入，得到B2的95％置信区间为 [-2.435,-1.8802](也可以参看Excel文件利用数据分析得到的回归结果) 因为零假设值落入拒绝域，所以拒绝零假设，认为价格对需求量有影响。 7.5.2 假设检验的显著性检验法 已知： 在零假设下，有： 利用t统计量对模型参数做显著性假设检验的过程称为t检验。 在具体应用t 检验时，需要知道： （1）对于双变量模型，自由度总为(n-2 ) （2）虽然在经验分析中常用的显著水平α有1%，5%，10%，但显著性水平是由个人任意选取。 （3）可用于单边或双边检验。（参见表4-2及图4-7） 7.5.3 Widget需求的继续 (1)双边检验 零假设： 计算得到t值为： 根据t分布表，求得t的临界值(双边)为：(见图7-7) 显著水平 0.01 0.05 0.10 t临界值 3.355 2.307 1.87 也可见图 7-7 t分布图。 根据上面的表和图，我们可以得到拒绝零假设的结论，也可以利用计算得到的t值所对应的P值更好地看出这一点。 (2)单边检验 零假设为： 在 widget一例中，t= -17.94 t的临界值(左边，拒绝域在左尾)为： 显著水平 0.01 0.05 0.10 t临界值 -2.897 -1.870 -1.397 也可见图 7-7(b) t单边检验 根据上面的表和图，我们可以得到拒绝零假设，接受备择假设的结论。即可认为，价格变量前的系数为负。 7.5.4 检验 的显著性 已知：，假定随机样本来自正态总体，可以证明： 在widget中，=1.1939， 为1.5，： 7.3775的概率为0.71，小于7.3775的概率约为0.49，所以我们无法拒绝零假设。 拟和优度的检验： 本节我们考察估计得到的样本回归直线对真实Y值拟合的优劣程度。 分别称为：总离差平方和(TSS)、回归平方和(ESS)、残差平方和(RSS)，满足： 判定系数的性质： (1) ， r2=1 ，， r2 =0， Y与X之间无任何关系。 7.6.1 判定系数的计算公式 7.6.2 widget中的判定系数 利用表5-4中的数据和上面计算判定系数的公式，可以计算得到： 见Excel文件具体计算及数据分析输出结果。 因为