5_多元线性回归模型统计检验说课.pptVIP

§2.4 多元线性回归模型的统计检验和区间估计Statistical Test and Interval Estimation of Multiple Linear Regression Model 拟合优度检验 AIC和SC准则 方程的显著性检验（F 检验） 变量的显著性检验（t 检验） 参数估计量的区间估计 预测值的区间估计 受约束回归 参数稳定性检验 说明 由计量经济模型的数理统计理论要求的 以多元线性模型为例 包括拟合优度检验、总体显著性检验、变量显著性检验、偏回归系数约束检验、模型对时间的稳定性检验、参数估计量的区间估计、预测值的区间估计、受约束回归。 一、拟合优度检验(Testing of Simulation Level) 1、概念 检验模型对样本观测值的拟合程度 通过构造一个可以表征拟合程度的统计量来实现。 问题：既然RSS反映了样本观测值与估计值偏离的大小，可否直接用它来作为拟合优度检验的统计量？ 统计量必须是相对量。 TSS、ESS、RSS之间的关系 TSS=ESS+RSS 3、一个有趣的现象： 关键是在于TSS=ESS+RSS推导过程中用到的一组矩条件： 4、拟合优度检验统计量:可决系数r2和调整后的可决系数R2 可决系数r2 调整后的可决系数R2 二、AIC、SC准则(Akaike information criterion, AICSchwarz criterion, SC) 1、关于假设检验 假设检验是统计推断的一个主要内容，它的基本任务是根据样本所提供的信息，对未知总体分布的某些方面的假设作出合理判断。 假设检验的程序是：先根据实际问题的要求提出一个论断，称为统计假设；然后根据样本的有关信息，对它的真伪进行判断，做出拒绝或接受的决策。 假设检验的基本思想是概率性质的反证法。 概率性质的反证法的根据是小概率事件原理。该原理认为，“小概率事件在一次试验中几乎是不可能发生的”。 2、方程显著性的 F 检验 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 2、拟合优度检验与方程显著性检验关系的讨论 四、变量的显著性检验（t 检验）Testing the Individual Significance 对于多元线性回归模型，方程的总体线性关系显著?每个解释变量对被解释变量的影响都是显著的。 因此，必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。 用于进行变量显著性检验的方法包括: F检验、t 检验、Z检验，它们的区别在于构造的统计量不同，应用最多的是 t 检验。 4、关于检验标准的判断 科学性 灵活性 注意在什么置信水平下显著 五、参数估计量的置信区间 1.问题的提出 人们经常说：“通过建立生产函数模型，得到资本的产出弹性是0.5”，“通过建立消费函数模型，得到收入的边际消费倾向是0.6”，等等。其中，0.5与0.6是具有特定经济含义的模型参数估计值。 线性回归模型的参数估计量是随机变量，利用一次抽样的样本观测值，估计得到的只是参数的一个点估计值。 如果用参数估计量的一个点估计值近似代表参数值，那么，二者的接近程度如何？以多大的概率达到该接近程度？ 这就需要构造参数的一个区间，以点估计值为中心的一个区间（称为置信区间，confidence interval），该区间以一定概率（称为置信水平，confidence coefficient）包含该参数。 2. 参数估计量的区间估计 六、预测值的置信区间 1.问题的提出 计量经济学模型的一个重要应用是预测，对模型: 2. 预测值Y0置信区间的推导 在消费模型中， 1999年的CONSP=1564.4,给出2000年的GDPP=3789.7, 再由模型： CONSP = 128.6595 + 0.2244*GDPP + 0.4341*CONSP(-1) 计算得2000年CONSP的预测值为:1658, 2000年人均消费的实际值为:1690.8。 给定α=0.01，查得t0.005(18)=2.878，于是有： P(1658.2?2.878*30.271CONSP(2000)1658.2+2.878*30.271)=0.99 P(1033.21 CONSP(2000) 2283.19)=0.99 结论：2000年人均消费支出的预测值1658是以0.99的概率落在了区间(1033.21，2283.19)中。 4. 如何缩小置信区间 七、受约束回归(restricted regression) 1.问题的提出 在