新计量经济学（第三版） 教学课件 潘省初 著 ets4.pptVIP

第四章 多元线性回归模型 例：给定20组Y, X1, X2, X3的观测值，试检验模型 中X1和X3对Y是否有影响？ 解：（1）全回归 估计 得到：S ∑e2 25 （2）有约束回归 估计 得到：SR ∑e2 30 原假设 H0: β1 β3 0 备择假设 H1: H0不成立 我们有：n 20, g 2, k 3 用自由度（2，16）查F分布表，5%显著性水平下， ∵F 1.6 FC 3.63, 故接受H0。 结论：X1和X3对Y无显著影响 3．全部斜率系数为0的检验 上一段结果的一个特例是所有斜率系数均为0的检验，即回归方程的显著性检验： H0： β1 β2 … βK 0 也就是说，所有解释变量对Y均无影响。 注意到 g K， 则该检验的检验统计量为： 分子分母均除以 ，有 从上式不难看出，全部斜率为0的检验实际是检验R2的值是否显著异于0，如果接受原假设，则表明因变量的行为完全归因于随机变化。若拒绝原假设，则表明所选择模型对因变量的行为能够提供某种程度的解释。 二．检验其他形式的系数约束条件 上面所介绍的检验若干个系数显著性的方法，也可以应用于检验施加于系数的其他形式的约束条件，如 检验的方法仍是分别进行有约束回归和无约束回归，求出各自的残差平方和 SR 和 S，然后用 F 统计量进行检验。 当然，单个系数的假设检验，如 H0： ?3 1.0，亦可用t检验统计量进行检验。 例：Cobb-Douglas生产函数 Y AKαLβν 试根据美国制造业1899-1922年数据检验规模效益不变的约束：α+β 1 解：（1）全回归 （2）有约束回归： 将约束条件代入，要回归的模型变为： Y AKαL1-αν 为避免回归系数的不一致问题， 两边除以L，模型变换为： Y/L A K/L αν 回归，得： 由回归结果得到的约束回归和全回归的残差平方和分别为 SR 0.0716 S 0.0710 （3）检验 原假设 H0:α+β＝1 备择假设 H1:α+β≠1 本例中，g 1, K 2, n 24 用自由度（1，21）查F表，5%显著性水平下， Fc 4.32 ∵F 0.18 Fc 4.32 故接受原假设H0:α+β＝1 （4）结论 我们的数据支持规模收益不变的假设。 第六节 预测 我们用OLS法对多元回归模型的参数进行了估计之后，如果结果理想，则可用估计好的模型进行预测。与双变量模型的作法类似，预测指的是对诸自变量的某一组具体值 来预测与之相对应的因变量值 。当然，要进行预测，有一个假设前提应当满足，即拟合的模型在预测期也成立。 点预测值由与给定的诸X值对应的回归值给出，即 而预测期的实际Y值由下式给出： 其中u0是从预测期的扰动项分布中所取的值。 预测误差可定义为： 两边取期望值，得 因此，OLS预测量 是一个无偏预测量。 预测误差的方差为： 从 e0 的定义可看出， e0 为正态变量的线性函数，因此，它本身也服从正态分布。故 由于 为未知，我们用其估计值 代替它，有 则 的95%置信区间为： 即 例 用书上P85例4.3的数据，预测X2 10，X3 10的Y值。 解： 由例4.3我们已得到： 因此 的95%置信区间为： 或 3.66至24.34之间. 第七节 虚拟变量（Dummy variables） 一．虚拟变量的概念 在回归分析中，常常碰到这样一种情况，即因变量的波动不仅依赖于那种能够很容易按某种尺度定量化的变量（如收入、产出、价格、身高、体重等），而且依赖于某些定性的变量（如性别、地区、季节等）。 在经济系统中，许多变动是不能定量的。如政府的更迭（工党-保守党）、经济体制的改革、固定汇率变为浮动汇率、从战时经济转为和平时期经济等。 这样一些变动都可以用0-1变量来表示，用1表示具有某一“品质”或属性，用0表示不具有该“品质”或属性。这种变量在计量经济学中称为“虚拟变量”。虚拟变量使得我们可以将那些无法定量化的变量引入回归模型中。 下面给出几个可以引入虚拟变量的例子。 例1：你在研究学历和收入之间的关系，在你的样本中，既有女性又有男性，你打算研究在此关系中，性别是否会导致差别。 例2：你在研究某省家庭收入和支出的关系，采集的样本中既包括农村家庭，又包括城镇家庭，你打算研究二者的差别。 例3：你在研究通货膨胀的决定因素，在你的观测期中，有些年份政府实行了一项收入政策。你想检验该政策是 否对通货膨胀产生影响。 上述各例都可以用两种方法来解决，一种解决方法是分别进行两类情况的回归，然后检验参数是否不同。另一种方法是用全部观测值作单一回归，将定性因素的影响用虚拟变量引入模型。 二．虚拟变量的使用方法 1． 截距变动 设