计量经济学 第5章节.ppt

* 4、作出判断。 如果 ，接受原假设 。 如果 ,拒绝原假设，接受备选假设。 p值:原假设不被拒绝的最大显著程度（接受原假设的概率），显然p值越小，越能够拒绝原假设，越能够接受备择假设。 * 参数的置信区间 参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近”。 在变量的显著性检验中已经知道： * 容易推出：在(1-?)的置信水平下?i的置信区间是 其中，t?/2为显著性水平为? 、自由度为n-k-1的临界值。 * 5.7 方程的拟合优度检验（R2） 总平方和： 回归平方和： 残差平方和： * * 5.7 方程的拟合优度检验（R2） 1）可决系数 ： 越接近1，估计的回归函数的拟合优度越好。 问题：在应用过程中发现，如果在模型中增加一个解释变量， R2往往增大（Why?)这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，所以，R2需调整。 可决系数为何需要调整 未调整可决系数 的一个重要特征是：随着样本解释变量个数的增加， 的值越来越大。也就是说，在样本容量不变的情况下，在模型中增加新的解释变量不会改变总离差平方和 ，但可能增加回归平方和 ，减少残差平方和 ，从而可能改变模型的解释功能。因此在多元线性回归模型之间比较拟合优度时， 不是一个合适的指标，需要加以调整。而修正的可决系数的值不会随着解释变量个数的增加而增加，因此在用于估计多元回归模型方面要优于未调整的可决系数。 * * 在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响，定义调整的可决系数为 * 没有绝对的标准，模型的拟合优度并不是判断模型的唯一标准，有时为了追求模型的经济意义，可以牺牲一点拟合优度。 * *3）、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: 赤池信息准则（Akaike information criterion, AIC） 施瓦茨准则（Schwarz criterion，SC） 这两准则均要求仅当所增加的解释变量能够减少AIC值或SC值时才在原模型中增加该解释变量。 * 方程的显著性检验：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。 思想：检验是否所有的参数中至少有一个参数显著异于0。 t检验只是检验某个参数的显著性，F检验是检验整个方程中的显著性。 5.8 方程总体线性的显著性检验（F检验） * 步骤1:提出如下原假设与备择假设 H0： ?0=?1=?2= ? =?k=0 H1： ?j不全为0 F检验的思想来自于总离差平方和的分解式： TSS=ESS+RSS * 如果这个比值较大，则X的联合体对Y的解释程度高，可认为总体存在线性关系，反之总体上可能不存在线性关系。因此,可通过该比值的大小对总体线性关系进行推断。 步骤2：构造统计量F ，根据数理统计学中的知识，在原假设H0成立的条件下，统计量 * 服从分子自由度为k,分母自由度为 n-k-1的F分布。 MSE和MSR分别为回归均方与误差均方 显然F值越大，越能拒绝原假设，且方程的解释能力越好！ 步骤3 ：设定检验水平 ，检验规则为 若 ，接受 若 ，拒绝 * 2、关于拟合优度检验与方程显著性检验关系的讨论 由 可推出： 与 或 * * 讨论：F检验与t检验 F检验与t检验的区别与联系 F检验和t检验的对象不同 当对全部参数的t检验均显著时，F检验一定是显著的。 当F检验显著时，并不意味着所有参数的t检验一定是显著的，可能的对某个参数的t检验显著，但对其他参数的t检验不显著；当然也有可能对所有参数均显著。 * 例：柯布－道格拉斯生产函数 例1：1958－1972年台湾地区农业部门的柯布－道格拉斯生产函数。 柯布-道格拉斯生产函数形式为 ，估算时需做变换，变换为对数线性模型进行估算。取对数，有 * * * Introductory Econometrics for Finance Copyright 2002, Chris Brooks * 计量经济学 第 5 章 多元线性回归模型 * 多元线性回归模型:表现在线性回归模型