3.2多方程模型的统计检验.pptVIP

说 明 计量经济学模型是应用数理统计方法建立的一类经济数学模型，所以在模型参数估计出来后，必须检验其是否满足数学理论与方法上的要求。 计量经济学模型的统计检验主要包括: 拟合优度检验 方程的显著性检验 变量的显著性检验 一、拟合优度检验Testing the Simulation Level 1、概念 拟合优度检验：就是检验模型对样本观测值的拟合程度。 拟合优度检验的方法：通过构造一个可以表征拟合程度的统计量来实现。 问题：采用普通最小二乘估计方法，已经保证模型最好地拟合了样本观测值，为什么还要检验拟合程度？ 答案：选择合适的估计方法所保证的最好拟合，是同一个问题内部的比较；而拟合优度检验结果所表示的优劣是不同问题之间的比较。 2、总体平方和、残差平方和和回归平方和 定义 既然ESS反映由模型中解释变量所解释的那部分离差的大小，可否直接用它作为拟合优度检验的统计量？ 不行。 因为作为检验统计量，必须是相对量，而不能是绝对量。 怎样构造相对数形式的拟合优度检验统计量？ 依据TSS、ESS、RSS之间存在的如下关系： TSS=ESS+ RSS 关于TSS=ESS+ RSS的证明过程 二、方程显著性检验Testing the Overall Significance 1、关于假设检验 假设检验是统计推断的一个主要方面，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的判断。 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，记为H0 ；然后根据样本的有关信息，对H0的真伪进行判断，作出拒绝H0或接受H0的决策。 2、方程的显著性检验 方程的显著性检验：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。 用以进行方程的显著性检验的方法主要有三种：F检验、t检验、r检验。它们的区别在于构造的统计量不同，即设计的“事件”不同。其中，应用最为普遍的是F检验。 方程显著性的F检验 三、变量显著性检验Testing the Individual Significance 1、什么是变量的显著性检验？ 对于多元线性回归模型，方程的总体线性关系是显著的，并不能说明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。如果某个变量对被解释变量的影响并不显著，应该将它剔除，以建立更为简单的模型。这就是变量显著性检验的任务。 变量显著性检验的数理统计学基础相同于方程显著性检验，检验的思路与程序也与方程显著性检验相似 用以进行变量显著性检验的方法主要有三种：F检验、t检验、z检验。它们的区别在于构造的统计量不同。其中，应用最为普遍的是t检验。 2、变量显著性的t检验 在前述消费模型中： 变量GDP和CONS（-1）各自的t统计量样本值分别为 tgdp=22.00 tcons(-1)=4.188 给定α=0.01,查得t0.005(13)=3.012。 由于tgdp、tcons(-1)都大于临界值t0.005(13)，所以，变量GDP和CONS（-1）在0.99的水平下都显著。 3、在一元线性回归（k=1）中，t检验与F检验是一致的。 * §3.2 多元线性回归模型的统计检验Statistical Test of Multiple Linear Regression Model 例： 关于左图： 关于右图： TSS为总体平方和（Total Sum of Squares），反映样本观测值总体离差的大小； ESS为回归平方和（Explained Sum of Squares），反映由模型中解释变量所解释的那部分离差的大小； RSS为残差平方和（Residual Sum of Squares），反映样本观测值与估计值偏离的大小，也是模型中解释变量未解释的那部分离差的大小。 证明： 将TSS，即总体平方和进行分解： 其中 根据正规方程组，有： … 所以 TSS=RSS+ESS 注意：对于一个拟合得好的模型，回归平方和与总体平方和应该比较接近。 所以，可以选择回归平方和与总体平方和的接近程度作为评判模型拟合优度的标准。 于是可以用 检验模型的拟合优度。 在应用过程中人们发现，如果在模型中增加一个解释变量，那么模型的回归平方和随之增大，从而R2也随之增大。 这就给人一个错觉：要使得模型拟合得好，就必须增加解释变量。 所以，用以检验拟合优度的统计量必须能够防止这种倾向。 显然，如果模型与样本观测值完全拟合，即 0 ? = - i i Y Y （ i=1,2, … ,n ），此时 R 2 =1 。