第五讲 (计量经济学).ppt

第四讲回顾 在经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。 用可决系数R2来反映拟合优度： 性质：1、可决系数取值范围为：[0，1] 2、可决系数的意义：拟合优度越高，可决系数越接近于1，说明模型拟合得越好。 * 高斯—马尔可夫定理 Gauss-Markov theorem 普通最小二乘估计的分布 概念：参数估计量的样本标准差 一元线性回归模型参数的区间估计：置信区间。 参数β1的区间估计所需要的统计量： 得置信区间： 设置信水平 一元线性回归模型参数的区间估计：置信区间。 参数β0的区间估计所需要的统计量： 得置信区间： 设置信水平 §2.3 一元线性回归模型的统计检验 一、拟合优度Goodness of Fit, Coefficient of Determination 拟合优度：对模型与样本值之间切合程度所进行的度量,是对模型进行的评价。 总离差平方和（Total Sum of Squares）: 回归平方和（Explained Sum of Squares）: 残差平方和（Residual Sum of Squares ）: 总离差平方和的分解 TSS ESS+RSS 证明： 可决系数与参数估计的关系。 可决系数与相关系数的关系： 二、变量的显著性检验 Testing Significance of Variable 作用：解释变量对被解释变量是否有显著的影响进行检验。 假设 H0：?1 0，H1：?1?0 检验统计量： 在原假设成立时， |T| t ?/2 n-2 时，拒绝零假设。否则接受零假设。 显著性假设检验： §2.4 一元线性回归模型的应用：预测 问题：对模型完成估计后，给定解释变量的值为X0，对被解释变量进行预测？ 显然预测为： 且：满足随机扰动项的所有假定。 ?0与Y0的关系： 预测效果的讨论： 预测的期望与方差： 从而在1-?的置信度下，Y0的置信区间为 在经典假定下，预测的分布 预测的效果：Y0的预测的置信区间的长度。 置信区间长度： 样本容量n越大，预测精度越高。 样本容量一定时，置信区间的宽度在X均值处最小，在其附近进行预测精度越大；X越远离其均值，置信带越宽，预测可信度下降。 对预测的注意： 因此：只有当解释变量的值在其平均值附近时，利用线性回归模型进行预测才有较大的精度。 *