[理学]《金融计量学》part 2.pptVIP

多元线性回归模型的统计检验 1. 回归标准误差 (the Standard Error of the Regression, SER) 2.可决系数R2 对Yi的离差平方和进行分解: 对可决系数R2的说明 该统计量越接近于1，模型的拟合优度越高. 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. 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, R2需调整. 3. 调整的R2(adjusted R2) 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: 多大才算通过拟合优度检验? 变量的显著性检验(t检验) (1)每个解释变量对被解释变量的影响是否都是显著的? (2)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. (3)检验是变量的 t 检验完成的. 1、t 统计量 2、t 检验 (1) 设计原假设与备择假设: H0: ?i =0 H1: ?i ?0 给定显著性水平?,可得到临界值t?/2(n-k), 由样本求出统计量tact的数值, 通过 |tact|?t?/2(n-k) 来拒绝或接受原假设H0, 从而判定对应的解释变量是否应包括在模型中. (2)p-value 在居民人均收入-消费支出二元模型例中参数的t值: |t0|=3.306, |t1|=3.630, |t2|=2.651, 给定显著性水平?=0.05, 得临界值: t0.025(19)=2.093, 可见计算的所有t值都大于该临界值,所以拒绝原假. 即包括常数项在内的3个解释变量都在95%的水平下显著, 都通过了变量显著性检验. 3. 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: 在中国居民人均收入-消费支出二元模型例中, 给定?=0.05，查表得临界值：t0.025(19)=2.093, 方程的显著性检验(F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. 1、方程显著性的F检验 即检验模型 Yi=?1+?2X2i+?3X3i+? ? +?kXki+ui i=1,2, ?,n 中的参数?j是否都显著不为0. 可提出如下原假设与备择假设: 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. 给定显著性水平?, 可得到临界值F?(k, n-k), 对于中国居民人均消费支出的例子： 一元模型：F=285.92 二元模型：F=2057.3 给定显著性水平? =0.05，查分布表得到临界值 一元例：F?(1,21)=4.32 二元例： F?(2,19)=3.52 显然有 F? F?(k, n-k-1), 即两个模型的线性关系在95%的水平下显著成立. 第3章 非典型回归模型及其应用 第一节 OLS假设条件的违背 (1)异方差性: 导致不满足残差具有同方差的假设; (2)自相关性: 导致不满足残差之间不相关的假设; (3)多重共线性: 导致自变量之间不满足不相关的假设. 第3章 非典型回归模型及其应用 第一节 OLS假设条件的违背 (1)异方差性: 导致不满足残差具有同方差的假设; (2)自相关性: 导致不满足残差之间不相关的假设; (3)多重共线性: 导致自变量之间不满足不相关的假设. 基本假定违背： 不满足基本假定的情况。主要 包括： （1）随机误差项序列存在异方差性； （2）随机误差项序列存在序列相关性； （3）解释变量之间存在多重共线性； 5.4 异方差性 一、异方差的概念 对于模型 Yi=?0+?1X1i+?2X2i+ … +?kXki +ui , 如果出现Var(ui)=?i2, 即对于不同的样本点,随机误差项的方差不再是常数,而互不相同,则认为出现了异方差性(Heteroskedasticity). 二、异方差的类型 异