第四章 简单回归模型及回归结果的检验.pptVIP

第三项就是剩余的部分，这部分可以忽略不计，因为它小得几乎等于零： * 中山大学南方学院 * 那么，方差总和是解释平方和与未解释平方和的加总，即： TSS＝RSS＋ESS * 中山大学南方学院 * 解释平方和（RSS）的自由度被规定为模型中自变量的个数，用K来表示，即： df1=K 未解释平方和（ESS）的自由度的被规定为样本数减去自变量的个数再减去一，即： df2=N-K-1 * 中山大学南方学院 * F的检验值为：F＝解释方差/未解释方差。即： F=Explained Variance/Unexplained Variance =Regression Variance/Residual Variance * 中山大学南方学院 * 我们可以用这个统计指标来对模型的回归结果做从整体的假设检验。我们假设“所有的估计参数都同时等于零”。 进而我们通过F检验来得出我们的结论。检验的过程和方法跟t检验是一样的。 * 中山大学南方学院 * 第四节 回归结果的解释 在模型回归估计结果的表格中还有一个有意思的统计量，就是R2 。有些翻译的英文教科书中把它译成“判定系数”。这个数值是用下面公式计算出来的： * 中山大学南方学院 * * 中山大学南方学院 * 人们把R2当作回归估计模型对真实模型解释的百分比。也就是说，根据这个数值来评价模型回归估计结果的好坏，认为这个值可以“告诉人们Y的估计值与它的真实值相靠多近”。当接近100％时，以前人们就认为这个回归估计的结果很逼真。 * 中山大学南方学院 * 中山大学南方学院 假设检验 最小二乘法 * 中山大学南方学院 * 第四章 简单回归模型及回  归结果的检验 * * 中山大学南方学院 本章重点 建立模型 估计参数的统计意义 回归结果的解释 * 中山大学南方学院 * 分析思路 建立模型 输入数据进行回归 对回归结果进行解释 现实的经济学意义 * 中山大学南方学院 * 第一节 模型的建立 在我们深入讨论回归分析和其结果检验之前，我们需要先讨论一下应用经济学的研究方法。 我们还是从前面讲过的一个简单的回归模型说起，给定下面的数模型： * * 中山大学南方学院 根据上面的数学模型，我们要做的事情就是利用所得到的数据，用最小二乘法来对模型中的参数进行估计。 * 中山大学南方学院 * 　　我们以气温和冷饮料的销售量的数据来进行分析。如果我们能够通过一个模型来预测由于气温的变化对市场销售量的影响。 * 中山大学南方学院 * 通过简单的回归分析得出简单的估计方程，我们的气温“自变量”与销量“因变量”之间存在着正相关的关系（自变量前面的参数值大于零）。 * 中山大学南方学院 * 也就是说，当温度增高时，销量也会增高。那么，我们可以利用这个估计方程来对未来进行预测。我们可以确定，如果“温度”提高一度，销量就会增加4.881单位，也就是多销售48810瓶饮料。 * 中山大学南方学院 * 第二节 估计参数的统计意义 算出参数方程之后，我们的任务还没有完成。我们还要对上面的回归进行分析。下一步我们要看估计出来的方程中的每个参数是否有统计意义（t Statistics）。 * 中山大学南方学院 * 为了计算参数的“t Statistics”的值，我们还是从简单模型说起。给定： * 中山大学南方学院 * 其模型的估计方差是： 或者： * 中山大学南方学院 * 在这里我们要注意到这个方差的自由度为N－2，因为我们这里用到了两个确定的参数，所以我们就失去了两个自由度。 * 中山大学南方学院 * 我们对方差开根号，得到s，这个统计值很重要，它被叫做“估计的标准误差”（standard error of estimate)或“回归的标准误差”（standard error of regression）。 那么我们再来计算估计参数的标准误差。 * 中山大学南方学院 * * 中山大学南方学院 * 先计算其方差： 标准误差： 其统计检验值： * 中山大学南方学院 * 常数 的方差可以根据： 的关系式进行计算，得出结