第4讲 多元回归分析-推断.pptVIP

第四讲 多元回归分析：推断Multiple Regression Analysis: Inference 一、经典线性模型 二、t检验 三、置信区间 四、F检验 五、报告回归结果 经典线性模型 为了进行统计推断（假设检验），需要对模型做进一步假定 如果回归模型满足下列条件，称之为经典线性模型（classical linear model, CLM） 经典线性模型 正态性假定是最强的一个假定，它意味着零条件均值和同方差性是成立的。 如果正态性假定成立，那么OLS估计量将服从特定的分布，从而可以进行统计推断 简单地看，误差项度量了影响被解释变量的多种因素的作用之和，根据中心极限定理，它应该近似地服从正态分布。当然，这是一个很不严格的解释，很多情况下正态性假定都不成立。事实上，如果样本容量足够大，那么误差项是否服从正态分布并不很重要，这将在第5讲讨论 正态性假定意味着，对于给定的一组解释变量的取值，被解释变量服从正态分布。即： 经典线性模型 经典线性模型 OLS估计量的性质 假定MLR.1-6下OLS估计量的性质（证明参考课本附录B.5） t检验 对单个参数的假设检验（可参看课本附录C.6） t检验 例题（课本p129-130） t检验 例题4_1（课本p130，例4.5） price:住房价格；nox:空气中氧化亚氮含量；dist:社区距商业中心距离；rooms：房间数；stratio:学校的生师比 t检验 例题4_2（课本p125，例4.2） math10:数学成绩；enroll：学生注册人数； totcomp：年均教师工资；staff:每千名学生拥有的教职工数 t检验 例题4_2（课本p125，例4.2） t检验 t检验（t test） t检验 例题4_3（课本p128，例4.3） colGPA: 大学平均成绩；hsGPA：高中平均成绩 ACT：大学能力测试成绩；skipped: 每周平均逃课数 t检验 统计显著性与实际显著性 如果某个解释变量是统计显著的，还要考察其实际显著性，特别是对大样本数据 如果某个解释变量的实际显著性很大，而且在理论上非常重要要，但是在通常的显著性水平（如10%、5%和1%）上不显著，那么可以降低对统计显著性水平的要求（譬如为20%），或者把双尾检验改为单尾检验，特别是对小样本数据 参看课本p134-135，例4.6、4.7 检验关于参数的一个线性组合的假设 例题：对生产的规模报酬特征的检验 检验关于参数的一个线性组合的假设 例题4_4（课本p138-141） 工资收入：wage；参加两年制大学的年数：jc； 参加四年制大学的年数：univ; 工作年限：exper 置信区间 置信区间（confidence interval） 置信区间 置信区间检验 置信区间 例题4_5（课本p137，例4.8） 对于多个线性约束的检验 以上讨论对单个参数或参数的一个线性组合的假设进行检验，但很多时候需要对参数的多个线性组合的假设进行检验。这种假设检验被称为多重假设检验（multiple hypotheses test）或联合假设检验（joint hypotheses test） 例题 对于多个线性约束的检验 对于多个线性约束的检验 等价地，F统计量也可通过下式构造（课本p149） 当然，也可以根据F统计量的值确定其对应的p值，从而得到精确的显著性水平 对于多个线性约束的检验 例题4_6：课本p142-144 salary:棒球球员薪水；years:加入俱乐部的年资；gamesyr:年均比赛次数 bavg:年均击球次数；hyunsyr:年均本垒打次数；rbisyr:年均跑垒得分 对于多个线性约束的检验 例题4_7（课本p153-154） 回归总体显著性检验 回归总体显著性 （overall significance of the regression）检验 回归总体显著性检验 例题4_8（课本p150，例4.9） bwght: 婴儿出生时的体重；cigs：母亲怀孕时每天吸烟的数量 parity：婴儿在子女中的排行；faminc: 家庭年收入 motheduc：母亲受教育年限； fatheduc：父亲受教育年限 回归总体显著性检验 关于回归总体显著性检验的两点说明 单个系数的t检验显著并不能保证F检验显著，同样，单个系数的t检验不显著也不能保证F检验不显著。因此，F检验是必要的 F统计量的直观含义 报告回归分析结果 一篇完整的经验分析论文通常包括以下几个部分： 引言：问题陈述、文献综述 理论模型和计量模型 样本和数据 回归分析结果 结论 最后应附上参考文献 报告回归分析结果 在报告回归分析结果时应包括： OLS系数的估计值及其标准误（也可以报告t值和p值） 对关键自变量的认真解释：系数的