计量经济学 第4章 一元线性回归模型.ppt

5、回归系数的区间估计 为了反映回归系数的估计精度，需给出其区间估计，即在置信水平为 下的置信区间。置信区间长度越短，说明估计值 与参数 和 就越接近，估计值就越精确；反之，就越不精确。 可以证明， 在置信水平为 下的置信区间为 （ ， (2.3.13) 在置信水平为 下的置信区间为 , (2.3.14) 其中 = 为置信度为 ，自由度为n-2的t分布临界值 对于例2.2.1，从输出结果2.2.1可见： 在置信水平为95％ 下的置信区间为（224.5299891，502.8481466） ? 对于例2.2.1，从输出结果2.2.1可见： 在置信水平为95％ 下的置信区间为（1.802588122，2.255158812） 第3节 统计显著性检验 一、拟合优度检验 二、变量的显著性检验 回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。 尽管从统计性质上已知，如果有足够多的重复 抽样，参数的估计值的期望（均值）就等于其总体的参数真值，但在一次抽样中，估计值不一定就等于该真值。 那么，在一次抽样中，参数的估计值与真值的差异有多大，是否显著，这就需要进一步进行统计检验。 主要包括拟合优度检验、变量的显著性检验及参数的区间估计。 一、拟合优度检验(Goodness of Fit Test) 拟合优度检验：对样本回归直线与样本观测值之间拟合程度的检验。 度量拟合优度的指标：样本决定系数R2 问题：采用普通最小二乘估计方法，已经保证了模型最好地拟合了样本观测值，为什么还要检验拟合程度？ 1、总离差平方和的分解 已知由一组样本观测值（Xi,Yi），i=1,2…,n得到如下样本回归直线 如果Yi=?i 即实际观测值落在样本回归“线”上，则拟合最好。 可认为，“离差”全部来自回归线，而与“残差”无关。 残差的重要性质 （1），残差的总和为零。 （2），残差与解释变量不相关。 (3)，残差与估计值 不相关。 对于所有样本点，则需考虑这些点与样本均值离差的平方和,可以证明： 记 总离差平方和（Total Sum of Squares） 可解释平方和（Explained Sum of Squares） 残差平方和（Residual Sum of Squares ） TSS=ESS+RSS Y的观测值围绕其均值的总离差(total variation)可分解为两部分：一部分来自回归线(ESS)，另一部分则来自随机势力(RSS)。 在给定样本中，TSS不变， 如果实际观测点离样本回归线越近，则ESS在TSS中占的比重越大，因此 拟合优度：回归平方和ESS/Y的总离差TSS 2、样本决定系数R2统计量 称 R2 为（样本）决定系数/判定系数（coefficient of determination)。 可决系数的取值范围：[0，1] R2越接近1，说明实际观测点离样本线越近，拟合优度越高。 在例2.1.1的收入-消费支出例中， 注：可决系数是一个非负的统计量。它也是随着抽样的不同而不同。为此，对可决系数的统计可靠性也应进行检验，这将在第3章中进行。 以例2-3为例（假设一个由100个家庭构成的总体，并假设这100个家庭的月可支配收入水平只限于1300元、1800元、2300元、2800元、3300元、800元、4300元、4800元、5300元、5800元10种情况，每个家庭的月可支配收入与消费数据如表2-1所示，要研究这一总体的家庭月消费支出Y与家庭月可支配收入X之间的关系，以便根据已知的家庭月可支配收入水平测算该总体的家庭月消费支出平均水平。） 求关于家庭消费支出与可支配收入关系的一元线性回归模型的拟合优度。 模型的拟合效果较好 或 决定系数与相关系数的关系 第4节 非线性方程的回归分析 5、半对数函数 6，柯布—道格拉斯函数 7，逻辑函数1 8，逻辑函数2 回归系数的含义 1、对数函数 分别是进口，收入和价格 回归系数分别表示的是，进口的收入弹性和进口的价格弹性。 2，线性模型中回归系数代表的是边际概念 3，半对数函数 (1) x变动1%，y变动0.01 单位 (2)