第十讲时间序列分析分析.ppt

8.偏回归系数的意义 多元回归模型中的回归系数称为偏回归系数 某解释变量前回归系数的含义是，在其他解释变量保持不变的条件下，该变量变化一个单位，被解释变量将平均发生偏回归系数大小的变动 4.正规方程 由最小二乘法得到的用以估计回归系数的线性方程组，称为正规方程 正规方程的结构 Y ——被解释变量观测值 n x 1 X ——解释变量观测值（含虚拟变量n x (k+1) ） X`X ——设计矩阵（实对称(k+1) x (k+1)矩阵 ） X`Y ——正规方程右端 n x 1 ——回归系数矩阵（ (k+1) x 1 ） ——高斯乘数矩阵， 设计矩阵的逆 ——残差向量（ n x 1 ） ——被解释变量的拟合（预测）向量 n x 1 5.多元回归模型参数估计中的样本容量问题 样本是一个重要的实际问题，模型依赖于实际样本。 获取样本需要成本，企图通过样本容量的确定减轻收集数据的困难。 最小样本容量：满足基本要求的样本容量 最小样本容量 n ≥ k+1 (X`X)-1存在?| X`X | 0 ? X`X 为k+1阶的满秩阵 R(AB) ≤ min(R(A),R(B)) R(X) ≥ k+1 因此，必须有n≥k+1 满足基本要求的样本容量 一般经验认为： n ≥ 30或者n ≥ 3(k+1)才能满足模型估计的基本要求。 n ≥ 3(k+1)时，t分布才稳定，检验才较为有效 9. 多元线性回归模型的检验 主要介绍： (1) 拟合优度检验（判定系数及其校正） (2 )回归参数的显著性检验（t－检验） (3 )回归方程的显著性检验（F－检验） (4) 拟合优度、t－检验、F－检验的关系 3.1.1 拟合优度检验 －总平方和、自由度的分解 目的：构造一个不含单位，可以相互比较，而且能直观判断拟合优劣的指标。 类似于一元情形，先将多元线性回归作如下平方和分解： 对以上自由度的分解的说明 3.1.2 判定系数 判定系数的定义： 意义：判定系数越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。 取值范围：0-1 3.1.3 校正判定系数 为什么要校正？ 判定系数随解释变量个数的增加而增大。易造成错觉：要模型拟合得越好，就应增加解释变量。然而增加解释变量会降低自由度，减少可用的样本数。并且有时增加解释变量是不必要的。 导致解释变量个数不同模型之间对比困难。 判定系数只涉及平方和，没有考虑自由度。 校正思路： 引进自由度校正所计算的平方和。 校正判定系数 （续） 3.2 回归参数的显著性检验 —— t－检验 以下给出t-检验的具体过程 3.3 回归方程的显著性检验 ——（F－检验） 回归系数的t－检验，检验了各个解释变量Xj单独对应变量Y是否显著；我们还需要检验：所有解释变量联合在一起，是否对应变量Y也显著？ 这即是下面所要进行的F-检验。 3.3.1 方差分析表 以下用表格的形式列出平方和、自由度、方差 平方和 来源 平方和 自由度 均方和 源于回归 K-1 源于残差 n-k 总平方和 n-1 3.3.2 F－检验（单侧检验） 3.4 各种检验之间的关系 3.4.1 经济意义检验和其他检验的关系联系： 判断一个回归模型是否正确，首先要看模型是否具有合理的经济意义，其次才是统计检验。 3.4.2 拟合优度和F－检验的关系 （1）都是对回归方程的显著性检验； （2）都是把总平方和分解，以构成统计量进行检验； （3）两者同增同减，具有一致性。 拟合优度和F－检验的关系（续） 区别： （1）F－检验中使用的统计量有精确的分布，而拟合优度检验没有； （2）对是否通过检验，判定系数（校正判定系数）只能给出一个模糊的推测；而F检验可以在给定显著水平下，给出统计上的严格结论； 3.4.2 F－检验和t－检验的关系 在一元的情形，两者是一致的，等价的。对单个解释变量显著性进行t检验，也就检验了解释变量的整体显著性（F检验）；并且可以证明：F＝t2 （所以在一元情形，只需要进行一种检验） 多元中，不存在以上关系。 回归模型假设检验的步骤 查看拟合优度，进行F检验，从整体上判断回归方程是否成立，如果F检验通不过，无须进行下一步；否则进行下一步 查看各个变量的t值及其相应的概率，进行t检验，如果相应的概率小于给定的显著水平，该自变量的系数显著地不为0，该自变量对因变量作用显著；否则系数与0无显著差异（本质上=0），该自变量对因变量无显著的作用，应从方程中删去，重新估计方程。 但是，一次只能将最不显著（相应概率最大）的删除。每次删除