第三章多元线性回归的简化模型课程.ppt

给定显著性水平?，可得到临界值F?(k,n-k-1)，由样本求出统计量F的数值，通过 F? F?(k,n-k-1) 或 F?F?(k,n-k-1) 来拒绝或接受原假设H0。 直观解释 ——被解释变量的波动（总平方和）=已解释的被解释变量估计值的波动（回归平方和）+未解释的残差的波动（残差平方和），具体推导过程见课本66页。 ——“仪器”的构造思想是这样的：如果这些解释变量联合起来真的对被解释变量的波动具有显著的解释能力，那么，已解释的波动与未解释的波动之比应比较大。 ——但无论是已解释的波动也好，未解释的波动也罢，这种波动受组成“仪器”的模块的可自由变动的随机变量个数的影响。显然，自由变动的随机变量越多，波动就越大，故要去掉这种个数所带来的影响。 小概率事件的判断 x y Y=f(x)：密度函数 F?(k,n-k-1) 想一下，这个小概率事件的面积所处位置可以任意选择吗？为何选择尾部？ 要从两点思考上述问题：一是直观上“仪器”的构造；二是“密度”的含义。 Eviews上的判断，见前页。 在eveiws上操作 1、检验所有的解释变量联合起来是 否对被解释变量有有显著影响 （1）指标：F-statistic (2)概率大小：Prob(F-statistic） 2、检验部分解释变量联合起来 是否对被解释变量有无显著影响 （1）指标（仪器）： 3.单个解释变量系数的显著性