计量经济学第三讲第3节多元线性回归模型的显著性检验.pptVIP

TSS=ESS+RSS 增加一个解释变量，残差平方和变为 A) 拟合优度(可决系数)的调整思路 拟合优度中的残差平方和RSS随着解释变量个数的增加而减少,可以将该式除以一个随变量个数增加而减少的因子,这样可以抵消单纯由变量个数增加导致的RSS的减少的影响。 *赤池信息准则和施瓦茨准则 为了比较所含解释变量个数不同的多元回归模型的拟合优度，常用的标准还有: 使用的数据 1) 使用软件估计模型 注：滞后变量不需重新形成新的时间序列，软件自动运算实现，k期滞后变量，用y(-k)表示。 2) 模型的估计表达式 一元、二元模型的系数均大于0，符合经济意义，三元模型系数的符号与经济意义不符。 用一元回归模型的预测值是1758.7，二元回归模型的预测值是1767.4，2001年的实际值是1782.2。一元、二元模型预测的绝对误差分别是23.5、14.8。 3) 三个模型的拟合优度与残差 4) 拟合优度与修正拟合优度的比较 (1) 提出假设 原假设 H0： 备择假设 H1： （1）点预测 （2）区间预测（对个别值Y0的预测） 附：关于拟合优度检验与方程显著性检验关系 （2）统计检验解释 (1)拟合优度：由结果数据可以看到： 修正的可决系数为 这说明模型对样本的拟合很好。 (2)F检验：针对原假设 ,给定显著性水平 。由结果数据中中得到 ， F统计量的伴随概率为P=00.05，所以应拒绝原假设 ，说明回归方程显著。 即:“国内生产总值”、“财政支出”、“商品零售物价指数” 等变量联合起来确实对“税收收入”有显著影响。 由运行结果数据可知 它们的绝对值都大于2.08，所以均应拒绝原假设 也就是说，当在其它解释变量不变的情况下，解释变量“国内生产总值”、“财政支出”、“商品零售物价指数”分别对被解释变量“税收收入”都有显著的影响。 (3)T检验 可推出： 或 与 由 时 等价于 检验： 检验： 同向变化： 因此F检验是所估计回归的总显著性的一个度量，也是修正拟合优度的一个度量，亦即： 易 见： * Back to school * * 人们的消费具有一定的惯性，有些耐用品和固定资产可以连续使用一年以上。所以，今年的消费和今年的人均国内生产总值有关，也和去年已经发生了的消费支出有关，这里建立消费支出模型为： 其中t为当前期变量，t-k称为k期滞后变量。 将之前已经建立的Workfile文件打开 点击菜单中的“Quick”→“Estimate Equations” 在对话框中输入： y c x y(-1) y c x y(-1) y(-2) 字母之间用空格分隔。 11 2008 10 2007 9 2006 8 2005 7 2004 6 2003 5 2002 4 2001 3 2000 y 序号 10 9 8 7 6 5 4 3 Y(-1) 9 8 7 6 5 4 3 Y(-2) 8 7 6 5 4 3 Y(-3) 使用k期滞后变量，数据将损失k个样本观察值，例如： 从上式可以看出：随着自变量的个数增加，残差明显的减少，残差平方和越小，拟合程度越大。 其中拟合程度的增大有解释变量对被解释变量 有效部分，也有变量个数增加导致虚假提高的部分。 二元回归相对于一元回归，拟合优度增加了0.0027，修正的拟合优度增加了0.0025，二者的差0.0002即为由于增加解释个数变量导致的拟合程度虚假提高的数值。 三元回归相对于二元回归，拟合优度增加了0.0003，修正的拟合优度增加是0.000015，二者的差0.000285,即为由于增加解释变量个数导致。 由于增加的变量y(-2)导致的修正拟合优度增加的值很小，甚至可以忽略，表明该变量和Y不相关，可以将其从模型中剔除. 三回归方程的显著性检验 方程的显著性检验，旨在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。 多元回归，我们关心被解释变量是不是和一组解释变量存在线性关系。如果总体回归模型解释变量的系数同时为0，表明被解释变量与解释变量之间不存在线性关系。 所有解释变量的系数 是否同时为0的显著性检验。如果不同时为0，则被解释变量与这组解释变量之间存在线性关系；反之则被解释变量与这组解释变量之间不存在线性关系。 即对多元线性回归模型 方程的显著性检验的原假设是所有解释变量的系数同时为0，即：b1= b2=… = bk= 0。只要存在一个不为0的bj 就表明模型的线性关系是显著的。 类似于一元线性回归模型的方程显著性检验 F检验的思想来自于总离差平方和的分解式：