第四章多元回归：估计与假设检验解析.ppt

例3.6.2 中国城镇居民食品人均消费需求的邹氏检验。 1、参数稳定性检验 1981~1994： RSS1=0.003240 1995~2001： (9.96) (7.14) (-5.13) (1.81) 1981~2001: (14.83) (27.26) (-3.24) (-11.17) 给定?=5%，查表得临界值F0.05(4, 13)=3.18 判断：F值临界值，拒绝参数稳定的原假设，表明中国城镇居民食品人均消费需求在1994年前后发生了显著变化。 2、邹氏预测检验 给定?=5%，查表得临界值F0.05(7, 10)=3.18 判断： F值临界值，拒绝参数稳定的原假设 二、对回归结果的讨论 –例P87 设定模型 §4.5 多元回归模型的相关讨论 * 根据经济理论，进行先验假定 进行回归，得到结果 经济意义检验 对偏回归系数含义进行解释 变量的显著性检验 方程总体的显著性检验 报告拟合优度 二、对回归结果的讨论 §4.5 多元回归模型的相关讨论 §4.3 多元线性回归模型的统计检验 一、回归模型设定的讨论 1、设定误差 2、 3、受限最小二乘 F检验与T检验的区别 F与R2的关系 F检验怎么做 方程的显著性检验F检验 第四章小结 多元线性回归模型 多元线性回归模型的参数估计 多元线性回归模型的统计检验 多元线性回归模型的预测 * 假设要求你建立一个计量经济学模型来说明在学校跑道上慢跑半小时或半小时以上的人数，以便决定是否修建第二条跑道以满足所有的锻炼者，你通过整个学年收集数据，得到两个可能的解释性方程： 其中，Y为某天慢跑者的人数，X1为该天的降雨量（单位：毫米），X2为该天的日照时间（单位：小时），X3为该天的最高温度（单位：华氏温度），X4为第二天需交学期论文的班级数。请回答下列问题： （1）这两个方程你认为哪个更合理些，为什么？ （2）为什么用相同的数据去估计，相同变量的系数符号却不同？ * * 本章作业： 1、做在书上：4.3；4.4；4.5；4.6 2、自己理解：91页的术语概念；4.1 3、做在作业本上：4.2；4.9；4.11；4.12 上机操作预习：4.7；4.14；4.18；4.21；4.22 受约束样本回归模型的残差平方和RSSR 于是 e’e为无约束样本回归模型的残差平方和RSSU (*) 受约束与无约束模型都有相同的TSS 由（*）式 RSSR ? RSSU 从而 ESSR ? ESSU 这意味着，通常情况下，对模型施加约束条件会降低模型的解释能力。 但是，如果约束条件为真，则受约束回归模型与无约束回归模型具有相同的解释能力，RSSR 与 RSSU的差异变小。 可用RSSR - RSSU的大小来检验约束的真实性 根据数理统计学的知识： 于是： 讨论： 如果约束条件无效， RSSR 与 RSSU的差异较大，计算的F值也较大。 于是，可用计算的F统计量的值与所给定的显著性水平下的临界值作比较，对约束条件的真实性进行检验。 注意，kU - kR恰为约束条件的个数。 例3.6.1 中国城镇居民对食品的人均消费需求实例中，对零阶齐次性检验： 取?=5%，查得临界值F0.05(1,10)=4.96 判断：不能拒绝中国城镇居民对食品的人均消费需求函数具有零阶齐次特性这一假设。 无约束回归:RSSU=0.00324， kU=3 受约束回归:RSSR=0.00332， KR=2 样本容量n=14， 约束条件个数kU - kR=3-2=1 2、邹氏预测检验 上述参数稳定性检验要求n2k。 如果出现n2k ，则往往进行如下的邹氏预测检验（Chow test for predictive failure）。 邹氏预测检验的基本思想: 先用前一时间段n1个样本估计原模型，再用估计出的参数进行后一时间段n2个样本的预测。 如果预测误差较大，则说明参数发生了变化，否则说明参数是稳定的。 分别以?、? 表示第一与第二时间段的参数，则 其中， 如果? =0，则 ? = ?，表明参数在估计期与预测期相同 (*) (*)的矩阵式： 可见，用前n1个样本估计可得前k个参数?的估计，而?不外是用后n2个样本测算的预测误差X2(? - ?) (**) 如果参数没有发生变化，则?=0，矩阵式简化为 (***) （***）式与（**