第二章简单线性回归(下).ppt

第二章（下部分） 一元线性回归模型的统计检验 第三节 拟合优度检验 第四节 变量的显著性检验 第五节 预测 第六节 案例分析 小结 回归分析是要通过样本所估计的参数来代替总体的真实参数。 第一节 拟合优度检验 拟合优度检验含义：是检验模型对样本观测值的拟合程度。 一、总离差平方和的分解 二、拟合优度的测度 三、习题 TSS 反映因变量n个观测值与其均值的总离差 ESS 反映自变量X的变化对因变量Y取值变化的影响，或者说由于X和Y线性关系引起Y取值的变化 RSS反映X以外的因素对Y取值的影响 课本例题P42 作用：可决系数越大，说明在总变差中由模型作出了解释的部分占的比重越大，模型拟合优度越好。反之可决系数小，说明模型对样本观测值的拟合程度越差。 特点：●可决系数取值范围： ●随抽样波动，样本可决系数 是随抽样 而变动的随机变量 ●可决系数是非负的统计 可决系数与相关系数的关系 （1）联系 数值上，可决系数等于应变量与解释变量之间简单相关系数的平方: 可决系数与相关系数的关系 思 考 可决系数，相关系数，回归系数之间的关联 练 习 1、各实际观测值与回归值的差的平方和称为 A.总变差平方和 B.残差平方和 C.回归平方和 D.决定系数 2、总体平方和TSS、残差平方和RSS与回归平方和ESS三者的关系是（）。 A.RSS=TSS+ESS B.TSS=RSS+ESS C.ESS=RSS-TSS D.ESS=TSS+RSS 解答： 第四节??变量的显著性检验-t检验 如例2.2中关于消费支出（Y，元）与可支配收入（X，元）的分析，依据10个观测资料所得的样本回归方程： 可以知道：可支配收入每增加1元，消费支出将增加0.61元。这说明：消费支出是随着可支配收入的提高而增加的。 R2=0.996627，拟合程度较高 在一元线性模型中，要判断X是否对Y具有显著的线性性影响，这就需要进行变量的显著性检验。 变量的显著性检验所应用的方法是统计学中的假设检验。 计量经计学中，主要是针对变量的参数真值是否为零来进行显著性检验的。 一、显著性检验的原理：假设检验 基本原则——小概率事件在一次试验中是不可能发生的。 例如，有一个厂商声称，他的产品的合格品率很高，可以达到99%，那么从一批产品（譬如100件）中随机抽取一件，这一件恰恰是次品的概率就非常小，只有1%。如果厂商的宣传是真的，随机抽取一件是次品的情况就几乎是不可能发生的。但如果这种情况确实发生了，就有理由怀疑原来的假设，即产品中只有1%的次品的假设是否成立，这时就有理由推翻原来的假设，可以做出厂商的宣传是假的这样一个推断。 2、构造分布已知的合适的统计量； 4、计算统计量的样本观测值，如果落在拒绝域内，则拒绝原假设，否则，接受原假设。 回归系数的显著性检验步骤 提出假设 H0: β 2 = 0 (没有线性关系) H1: β 2 ? 0 (有线性关系) 计算检验的统计量 练 习 一元回归模型 Y= 14.107 + 1.224X 标准差（1.863）（0.061） R2=0.9760 n=12 按5%的显著水平，对回归系数进行显著性检验? 例子： 假设李先生消费函数可用模型 表示，其中 表示李先生第i期的消费， 表示李先生第i期的收入。根据李先生19个月的观测资料进行回归分析得到下例结果： 解：（1）因t统计量： 自由度为17（=19-2）且显著性水平为5%的t统计量的临界值为2.11，所以 这就是说如果统计量t的值落在以 为中心的其概率 度为1~5%的区间之外。所以根据样本和5%的显著性水 平判断回归系数 显著；同样回归系数 显著。 （2）根据 ， 得 的标准误差为： 根据 ， 得 的标准误差为 例子2 依据美国1970-1983年的数据，得到下面的回归结果： t值及显著性判断的实际运用 1、t值具有选择解释变量的作用。 2、常数项的t值，除非在经济理论上具有重要意义或者在进行经济预测时，一般地，即使不显著，也没有必要在意。 3、样本个数n如果大到一定程度(n≥30)，t值只要