布鲁克斯金融计量经济学中文课件4.pptVIP

Introductory Econometrics for Finance Copyright 2002, Chris Brooks Chapter 3 古典线性回归模型的进一步讨论 拟合优度统计量 希望能够度量回归模型对实际数据的拟合程度. 用拟合优度统计量来检验. 最常用的拟合优度统计量是R2. R2 的一种解释是y 和 的相关系数的平方. 另一种解释, 我们试图解释y 与它的均值, , 的差异，例如，总差异的平方和, TSS: 我们可以把 TSS 分成2部分, 一部分是我们可以哟用回归的估计值解释的 (可解释的平方和, ESS)，另一部分是我们不能解释的 ( RSS). 定义 R2 即, TSS = ESS + RSS 拟合优度统计量 因为 TSS = ESS + RSS, 所以 R2 必须在0和1之间. RSS = TSS i.e. ESS = 0 so R2 = ESS/TSS = 0 ESS = TSS i.e. RSS = 0 so R2 = ESS/TSS = 1 The Limit Cases: R2 = 0 and R2 = 1  R2的问题 存在如下的问题: 1. 如果一个模型的参数发生了变化或解释变量改变了，R2会随之改变，比较不同模型的 R2 是没有意义的. 2. 如果我们增加解释变量， R2 是不会降低的, 例如: Regression 1: yt = ?1 + ?2x2t + ?3x3t + ut Regression 2: y = ?1 + ?2x2t + ?3x3t + ?4x4t + ut 第2个回归中的R2永远是不会低于第1个回归的. 3. R2 在时间序列回归中， R2 通常是高于 0.9 的. 调整的R2  : 还存在的问题: 1. 它是一个软规则 2. 我们不知道 和 R2的分布 例: 住房幸福定价模型 幸福模型通常被用来对房地产，特别是房产定价, 我们可以用一组特征来描述资产，不同的特征具有不同的快乐效应. Des Rosiers and Thérialt (1996) 考查加拿大魁北克地区５个地下商城的特征征对租赁价值的影响． 每月的租赁 价值(被解释变量) 是一个 9 到 14个变量的函数. 他们使用了 1990年魁北克的数据, 有13,378个观测值和 12个解释变量: LnAGE - 财产表观年龄的对数值 NBROOMS -卧室的数目 AREABYRM- 每间房间的面积 ELEVATOR - 虚拟变量 = 1 如果有电梯; 0 如果没有 BASEMENT -虚拟变量 = 1 如果房间位于地下; 0 如果不是 住房幸福定价模型: 定义变量 OUTPARK- 屋外停车位 INDPARK - 屋内停车位 NOLEASE -虚拟变量 = 1 如果该单元没有出租; 0 如果出租 LnDISTCBD- 住房到商业中心距离的对数 SINGLPAR- 建筑物所在地区单亲家庭的比例 DSHOPCNTR- 住房到最近的购物中心的距离 VACDIFF1- 空房数 希望检验这些系数的正负和大小. Hedonic House Price ResultsDependent Variable: Canadian Dollars per Month 非嵌套假设检验 我们所考虑的所有假设检验都是在 “嵌套”模型下进行的. 如果想比较以下２个模型 可以用 R2 或 调整的 R2, 如果在这２个模型中的解释变量的数目不同，应该怎么办? 我们可以用: 非嵌套假设检验(续) Model 3 有４种可能: ?2显著，?3 不显著 ?3显著，?2不显著 ?2 和 ?3 都显著 ?2 和 ?3 都不显著 问题 Model 3 可能是毫无意义的． x2 和 x3可能高度相关. 违反 CLRM的假设 对 CLRM 的假设: 1. E(ut) = 0 2. Var(ut) = ?2 ? 3. Cov (ui,uj) = 0 4. X 矩阵是非随机或在重复抽样中是固定的 5. ut ? N(0,?2) 违反 CLRM的假设（续） 我们将对这些假设作进一步的研究: - 如何检验这些假设是否成立 - 不成立的原因 -不成立的后果 一般来说是以下3种后果的组合: - 系数估计错误 - 标准误差估计错误 - 统计检验中用的分布不对 - 解决办法 - 让假设