计量经济学 )多元线性回归模型及统计检验.ppt

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，必须检验其估计的可靠程度是否满足数理统计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) 拟合优度检验：检验模型对样本观测值的拟合程度。 在一元回归模型中，拟合优度检验是通过构造一个可以表征拟合程度的统计量R2来实现。 在多元回归模型中，也可以用该统计量来衡量样本回归线对样本观测值的拟合程度。 总离差平方和、回归平方和及残差平方和 定义 那么，TSS、ESS、RSS之间存在的如下关系： 总离差平方和 = 回归平方和 + 残差平方和 TSS = ESS + RSS 关于TSS=ESS+ RSS的证明过程（教材P73） *赤池信息准则和施瓦茨准则（教材P75） 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: 二、方程显著性检验（教材P75） Testing the Overall Significance 1.关于假设检验（教材P46） 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，对未知总体某些方面（如参数或分布类型）的假设作出合理的判断。 假设检验的程序：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。 显著性检验的步骤： (★) （1）提出原假设H0和备择假设H1； （2）计算检验统计量的样本值； （3）确定临界值和拒绝域； （4）下结论：是否拒绝H0 。 2.方程显著性的F检验（注意补充的内容！） 1.什么是变量的显著性检验？（教材P77） 对于多元线性回归模型，方程的总体线性关系显著成立，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。 变量显著性检验针对的原假设为H0：?j=0（j=0,1,2,…,k），而应用最为普遍的是t检验。 2.变量显著性的t检验 例：在教材P72例3.2.2 中国内地城镇居民人均消费支出的二元回归模型中，由Eviews软件计算得到： 变量X1和X2各自的t统计量样本值分别为 tX1=7.378320 tX2=2.200791 给定α=0.05,查得临界值t0.025(28)=2.048。 由于tX1 、tX2都大于临界值t0.025(28)，所以，变量X1和X2在95%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。（教材P78） 注 意 在利用计量模型来研究现实经济问题时，经常会碰到这样的情形：各个变量的t值相差较大，有的在很高的显著性水平下影响显著，有的则在不太高的显著性水平下影响显著，是否都认为通过显著性检验？ 没有绝对的显著性水平。关键是考察变量在经济关系上是否对被解释变量有影响，显著性检验仅起到验证的作用。同时，还要看显著性水平不太高的变量在模型中及模型应用中的作用，不要简单地剔除变量。（教材P78） （2）变量显著性的t 检验（思路） 计算检验统计量tj的值【模型有几个解释变量，就要计算几个tj 】。 （j=0,1,2,…,k） 变量显著性检验（t 检验）的步骤（★） （1）对总体参数提出假设： （2）在原假设H0的基础上，根据样本数据计算t 统计量的经验值： （j=0,1,2,…,k） 另一方面，两个统计量之间有如下关系： 一方面，t检验与F检验都是对相同的原假设H0：?1=0 进行检验； 所以，在第二章（一元线性回归模型）中，没有关于方程显著性检验的内容。 * §3.2 多元线性回归模型的统计检验Statistical Test of Multiple Linear Regression Model TSS为总离差平方和（Total Sum of Squares），反映被解释变量样本观测值总体离差的大小； ESS为回归平方和（Explained Sum of Squares），反映被解释变量回归估计值的变差大小，也是模型中的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），反映被解释变量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T