第3章(一元线性回归模型)2014秋马.pptVIP

二、拟合优度 ESS占Y的总离差平方和的比例,度量了回归直线对样本观测值的拟合优度。这一比例记为R2 ，被称为判定系数。 （3.2.8） 如果样本回归直线与样本观测值完全拟合，或者说，所有的样本点全部落在样本回归直线上，则有R2=1。但是，由于样本的随机性，样本回归直线（或者估计的模型）与样本观测值完全拟合，亦即R2=1的情况很少发生。R2越大，说明在总离差中由回归解释的部分所占比重越大，拟合优度越高。反之，R2越小，说明估计的模型对样本观测值的拟合程度越差。 §3.3 回归参数的区间估计和假设检验 一、回归参数估计量的概率分布 的概率分布 在ui服从正态分布的假设下，即： ui~N(0,σ2) 则Yi服从正态分布，所以 也服从正态分布，其分布特征由其均值和方差唯一决定，即 （3.3.2） （3.3.1） §3.3 回归参数的区间估计和假设检验 一、回归参数估计量的概率分布 的标准差 于是， 的标准差分别为 （3.3.3） （3.3.4） §3.3 回归参数的区间估计和假设检验 一、回归参数估计量的概率分布 的标准化变换 （3.3.6） （3.3.5） 若将正态随机变量 做标准化变换 即经过标准化变换的 均服从标准正态分布。 §3.3 回归参数的区间估计和假设检验 一、回归参数估计量的概率分布 的标准误 我们定义： 用 代替 的标准差中的σ2，得到估计量的标准差的估计，为区别起见，称为标准误： 可以证明，用标准误对 作标准化变换，所得到的 和 已经不再服从 ，而是服从 ，即 （3.3.8） （3.3.10） （3.3.11） （3.3.7） （3.3.9） 二、回归参数的区间估计 参数估计中的区间估计 选择一个显著性水平α(0＜α＜1)，并求一个正数δ，使得随机区间( )包含参数 （真实值）的概率为1-α，即 其中，1-α 称为置信系数（置信度、置信水平）, α 称为显著性水平，而 ( )称为具有置信水平 1-α 的置信区间，也就是说，我们有 1-α 的“把握”认为，置信区间覆盖了真值 。这个区间也称为 的区间估计。置信区间的两个端点称为置信上限和置信下限。 二、回归参数的区间估计 具体构造参数的区间估计 给定置信度1-α，从t 分布表中查得自由度为 的临界值 ，那么t 值处在（- ， ）内的概率是 1-α（图3.3.1的中间空白区域面积），即 整理（3.3.14）式得 于是得到 的置信度为1-α 的置信区间 （3.3.13） （3.3.15） （3.3.16） （3.3.14） 图3.3.1 t分布的1-α 置信区间 三、变量的显著性检验：t 检验 为检验收入（X）是否显著地解释了消费（Y）的平均变化，设定假设检验的原假设（虚拟假设）和备择假设（对立假设）分别是 : , : 如果收入（X）显著地解释了消费（Y）的平均变化，那么参数 的估计值应该显著不为0，也就是说，我们应该以某种显著性水平拒绝原假设 。 由（3.3.11）式我们已经知道，在随机误差项的正态性假定下，有 将原假设代入以上的 t 统计量中，有 给定一个显著性水平α=0.05，在 t 分布表中可以查到一个对应的临界值 ，于是， 所界定的区间为接受域（严格意义上应该称为不拒绝域），而 称为拒绝域。 同理，如果原假设和