多元回归分析推断问题讲解.pptVIP

* * 四、一个解释变量的边际贡献（Marginal Contribution） 假如我们序贯地（sequentially）引进 ；即先做Y对 的回归，并评估其显著性，然后，再把 加进到模型中，以判明它是否有任何贡献（当然，可以对调 进入的次序）。 当增加一个变量到模型中来时，我们观察是否相对于RSS来说“显著地”增加了ESS（从而 ）。这一贡献就叫做一个解释变量的增量（incremental）或边际（marginal）贡献（contribution）。 那么，怎样决定一个X变量的引进是否能显著地减少RSS呢？可以通过方差分析来决定。 儿童的死亡率（CM）可能同人均GNP（PGNP）和妇女识字率（FLR）有关。 1、仅对PGNP回归 2、增加变量FLR： 假设我们先做 CM 对 PGDP 的回归，然后，我们决定把 FLR 加进模型中来，。现在的问题是： ① FLR 的边际或增量贡献是多少？ ②这个增量贡献在统计上显著吗？ ③根据什么准则把变量加进模型？ 这些问题同样需要通过方差分析来解决： 表8.6 用于评估变量的增量贡献的ANOVA表 变异来源 SS df MSS ESS仅 由于 1 ESS由于 的加入 1 ESS由于 2 RSS n-3 总计 n-1 评估在扣除 的贡献后 的增量贡献的统计量： （8.5.16） 其中，ESSnew—新模型的ESS（加进新回归元后的 ） ESSold — 老模型的ESS（即 ） RSSnew — 新模型的RSS （ 指扣除所有回归元 的贡献后的 ） ,拒绝虚拟假设(虚拟假设： 的边际贡献不显著)，认为把 加进模型中显著地增大ESS并因而增大 值，即应该加进 。 ,不拒绝 ， 不应该加进模型。（8.5.16）中的F统计量也可以用 重新表述如下： （8.5.18） 何时加进一个新变量： 一般的原则是，如果增加一个变量能增加校正 的值，就把这个变量保留在模型中，即使它在统计上并不能显著地减少RSS。进一步地说，如果新增变量的系数的t值在绝对值上大于1，则 就增加。 或者：仅当一个新增解释变量的 值大于1时，它的引进才使 增大。 何时加进一组变量： 从（8.5.18）式中可见：如果一组变量的加入（排除）给出一个大于1的F值， 将增加；如果一组变量的加入（排除）给出一个小于1的F值， 将减小。 是否增加了回归模型的解释能力是加入或删除变量的主要依据。 * 回归模型： 检验假设： 构造统计量 可证明t服从自由度为(n-4)的t分布，其中 8.5 回归系数相等的检验 8.6受约束的最小二乘法： 检验线性等式约束条件 根据已有的经济理论，某一回归模型中的系数需满足一些线性等式约束条件。如：the Cobb-Douglas production function: (8.7.1) 其中：Y—产出， —劳动投入， —资本投入。 对数形式： （8.7.2） 其中 假设所描述的生产是规模报酬不变，由经济理论可知： （8.