《政治大学行政管理硕士学程共同必修课课程名称社会科学研》.pptVIP

政治大學行政管理碩士學程共同必修課 課程名稱：社會科學研究方法（量化分析） 授課老師：黃智聰 授課內容： 簡單線性迴歸模型：報告結果 與選擇函數型式 參考書目：Hill, C. R., W. E. Griffiths, and G. G. Judge, (2001), Undergraduate Econometrics. New York: John Wiley Sons 日期：2011年11月28日;簡單線性迴歸模型; 總平方和 (SST) 可解釋的平方和 (SSR) 誤差平方和 (SSE) ;;註: R2 是一個敘述性的衡量值。它本身並不能衡量迴歸模型的品質，只著重將R2最大化的迴歸決策並非好方法。 解釋: R2=0.32 表示 Y的變異中有 32% 可以用X的變異來解釋，或是說迴歸模型可以解釋 32% Y的變異，剩下 68%的變異無法解釋。 這樣的R2看起來很低嗎? 不，在使用橫斷面資料的迴歸研究，以不同時點觀察同一個體或其他經濟行為的樣本時，是很具有代表性的。;(2) R2=(Yt, )的相關係數 = ;報告迴歸結果;選擇函數形式; ;選擇函數形式：實證議題 ; ;殘差為常態分配嗎？ ; ; ; y=?1+ ?2X+?3Z 理論模型 解釋 β1 , β2 , β3 Model: y=E(y)+et= ?1+ ?2X+?3Z +et 假設: (1) E(et)=0 (2) Var(et)=σ2 (3) Cov(et,es)=0 (4) et~N(0, σ2) ;最小平方估計式的變異數與共變數;誤差為常態分配之最小平方估計式的性質;衡量配適度;R2 （調整後R2） 的使用: * 優點: 當變數增加時R2並不會一直上升。 * 缺點: (1)失去原有的解釋，即R2不再是被解釋的變異百分比。 (2)此修正後的R2有時會被誤用為選擇一組適當的解釋變數之方法。 (3)若模型未包含截距項，則衡量的R2 就不適合了。;受限制的最小平方 單一參數 t 檢定 聯合虛無假設 F 檢定 F檢定的基礎是在於比較原始且未受限制之複迴歸模型的誤差平方和，以及認為虛無假設為真時的迴歸模型之誤差平方和 。; 例: y=α0 +α1 X1 +α2 X2+ α3 X3 + e H0: α2 = α3 = 0 即 y= α0 +α1 X1 + e F= F≧ F(J,T-K, α) 拒絕虛無假設 P=P﹝F(2,96) ≧F﹞＜0.05 拒絕虛無假設;虛無假設中不能包含任何「大於」或者「小於」的假設。 H0: β2=0, β3=0… βK=0 H1: β2? 0 或β3 ? 0 ，或兩者都不為零，βK 中至 少有一個不是零 若 J=1， F= T2 ;注意若模型為: y= β0 + β1 X1 + β2X22+ e =2β2X2 隱含 X2 對每個y有不 同程度的影響 =β1 X1 對於所有的 y的影響都相同 ;其他例子 y= β0 + β1 X1 + β2X2+ e H0: β1=β2 H1: β1?β2 y= β0 + β1 (X1 + X2)+ e F test F(1,T-3, α) ;模型設定;1. 遺漏以及不相關的變數 例:y= β0 + β1 X1 + β2X2+ e 假設我們漏了X2 ,以下列式子進行迴歸分析： y= β0 +β1*X1 + e 若 Cov(X1 ,X2) ?0 則 β1* ? β1 我們得到非常強的虛無假設，β2=0。 然而， Cov(X1 ,X2)=0 的情形非常少見 E(b1*)=β1+β2 ;若估計出的方程式有出現未預期，或大小不符現實的係數時，造成這些怪異結果的一個可能原因就是遺漏了重要的變數。 T檢定或F檢定這兩種顯著檢定可以評估是否一個變數或一組變數包含在一個方程式中。;必須注意，有兩種可能的原因，不拒絕虛