第二章(古典回归模型下).pptVIP

合肥师范学院经济系 第一节 古典回归模型 第二节 回归模型的参数估计 第三节 回归模型的统计检验 第四节 非线性回归模型 第三节 回归模型的统计检验 回归分析中主要是通过一些统计检验方法来保证模型在统计意义上（即以样本推断总体）的可靠性。 1．总平方和分解公式 2．判定系数R2： 调整判定系数:判定系数受解释变量X的个数k的影响，在k的个数不同的模型之间进行比较时，判定系数必须进行调整。调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响。在一定程度上避免将影响微弱的变量错误地加入到模型中。） 二、模型的显著性检验 若F Fα，则拒绝H0，可以认为模型的线性关系是显著的；（一般在软件回归结果里用P值决策） 若F Fα，则接受H0，认为模型的线性关系不显著，回归模型无效。 2．R2检验与F检验的关系 三、解释变量的显著性检验(偏回归系数检验) 系数的估计误差 并且用符号 表示系数b的估计误差： 三、解释变量的显著性检验(偏回归系数检验) 解释变量显著性检验通不过的原因可能在于: 参数的置信区间 所以系数b的100(1-α)%置信区间为: 所以，对于给定的置信度1-α，回归系数bi的100(1-α)%置信区间为: 一、可线性化模型 二、不可线性化模型 三、回归模型的比较 练习题 第四节 非线性回归模型 对于非线性模型，通常是将其转化成线性模型进行估计。 设: 对于双对数模型，因为 : 半对数模型中的回归系数b的含义： 对数函数模型中， 4．多项式模型 二、不可线性化模型 （2）将模型在点（a0,b0,c0）处展开成泰勒级数，并取一阶近似值； 2．迭代估计法的EViews软件实现 如，对于非线性回归模型y=a(x-b)/(x-c)+ε，则 例（选学） 现建立C-D（Cobb-Dauglas）生产函数： 得到C-D生产函数的估计式为： 操作演示 ③在弹出的方程描述对话框（Equation specification）中输入非线性模型的方程表达式： 三、回归模型的比较 2．模型估计结果观察分析 在方程窗口点击View \ Actual,Fitted,Residual\ Tabe（或Graph），可以观察分析以下内容： 例（选学） 我国税收预测模型的比较分析（例1续）。 再估计各个非线性回归模型： LS LNY C LNX （双对数模型） 指数函数模型残差分布表 Y=C(1)*L^C(2)*K^C(3) ④如果要修改求解过程中的迭代次数或收敛的误差精度,可点击Options按钮进行设置，。 ⑤点击OK后，系统将自动进行迭代运算并输出估计结果： 报告迭代了13次后收敛 对应的t统计量值 对应的R2值 对应A,α,β 如何比较这些模型的优劣、并从中选择一个较为适宜的模型？ 1．图形观察分析 （1）观察被解释变量和解释变量的趋势图。 ? ①变量的发展趋势是否一致？ ? ②解释变量能否反映被解释变量的波动变化情况？ ? ③变量发展过程中是否有异常点等问题。 （2）观察被解释变量与解释变量的相关图。 ?? 直观地判断两者的相关程度和相关类型，即变量之间是线性关系还是非线性关系？ （1）回归系数的符号和值的大小是否符合经济意义，这是对所估计模型的最基本要求。 （2）改变模型形式之后是否使判定系数的值明显提高。 （3）各个解释变量t检验的显著性。 （4）系数的估计误差较小。 （5）自相关检验DW 3．残差分布观察分析 模型的残差反映了模型未能解释部分的变化情况，因此，这可以从另一个角度（即模型系统之外因素的影响）来分析模型的优劣。 （1）各期残差是否大都落在 的虚线框内， （2）残差分布是否具有某种规律性，即是否存在着系统误差。 （3）近期残差的分布情况。 ?? 通过残差分析表（Tabel）和残差分布图（Graph）进行观察，也可以在方程窗口中直接点击Resids按钮，观察模型的拟合曲线图和残差分布图。 注意：当模型侧重于预测，则应关注F检验,R2, 当模型侧重于因素分析，则应关注t检验。 （1）相关图分析： 键入 SCAT X Y (3.1版) 操作演示 结果如图 （2）估计模型：首先生成新的序列（即进行变量变换）， GENR LNY = Log(Y) GENR LNX = Log(X) GENR X2 = X^2 LS LNY C X（指数函数模型） 模型的估计结果如下： LS Y C X X2（二次函数模型） 模型的估计结果如下： R2值 调整的R2值 F统计量的值 R2值 调整的R2值 F统