5第五章一元线性回归的假设检验.pptVIP

第五章：一元线性回归模型的假设检验 目录 第一节 经典线性回归模型的基本假定 第二节 OLS估计量的性质：高斯-马尔可夫定理 第三节 一元线性回归模型的假设检验 第四节 预测 考核要求和作业 第一节 经典线性回归模型的基本假定 经典线性回归模型：classical liner regression model ,CLRM 一、9个假定 二、假定的意义 返回 一、9个假定 1、零均值假定 2、同方差假定 3、无自相关假定 4、随机误差项和解释变量不相关假定 5、正态性假定 6、样本容量N待估参数个数 7、解释变量 X值有变异性 8、无多重共线性假定 9、参数线性假定 零均值假定 假定1：随机误差项均值为零 随机误差项囊括了大量未包括进模型的各种变量影响之和，他们相互抵消，对被解释变量没有系统性影响 E(μ|Xi)=0,简写为E(μi)=0 随机误差项均值为零 p123 图7-1 同方差假定 假定2：随机误差项方差相同 即与给定X相对应的Y值以相同方差分布在其条件均值周围。 如果不满足这个假定，即为“异方差” 异方差的图示 异方差的图示 无自相关假定 假定3：无自相关，即两个随机误差项之间不相关 也称无序列自相关，两个随机误差项之间不相关，即两个Y之间也不相关。 假定4：随机误差项和解释变量不相关 当X是非随机的时，该假定自动满足 X是抽样时候人为设定的：比如前例中把家庭收入分组 假定5：正态性假定：随机误差项服从正态分布 假定6：样本容量N待估参数个数 假定7：解释变量 X值有变异性 即X有一个相对较大的取值范围 如果X只在一个狭窄的范围内变动，则无法充分估计X对被解释变量Y的系统影响。 例：如果收入差异不大，我们无法观察支出Y的变动 假定8 ：如果有多个解释变量，要求解释变量间没有很强的线性关系 无多重共线性 假定9：线性：回归模型对参数而言是线性的 二、假定的意义 如果满足这些假定，则高斯-马尔可夫定理成立： 在所有线性无偏估计量中，普通最小二乘（OLS)估计量有最小方差。这使得OLS估计量有着优良的性质可以进行统计推断 完全满足这些假定的方程在现实中是不存在的，但这些假定为我们提供了一个比较的基准，本课其他部分主要是围绕假定不被满足时，分析后果，提出解决办法。返回 第二节 OLS估计量的性质：高斯-马尔可夫定理 p127 一、高斯-马尔可夫定理 二、ols估计量的概率分布 返回 一、高斯-马尔可夫定理 在所有线性无偏估计量中，普通最小二乘（OLS)估计量有最小方差。 即OLS估计量是最佳线性无偏估计量 1、线性 2、无偏性 3、最小方差性 4、小结 返回 二、ols估计量的概率分布 p129 假设检验需要指明总体参数（即总体回归系数）的估计量（即样本回归系数）服从何种分布 如同需要指明样本均值服从何种分布，才可对总体均值进行统计推断一样。 样本回归系数是Y的线性函数，因此其概率分布取决于Y，而Y的概率分布取决于随机误差项 返回 有了样本回归系数的OLS估计量的分布信息，就可以利用它进行总体回归系数的统计推断 1、正态性假定：随机误差项服从正态分布， 随机扰动项代表了未引入模型的随机影响之和，依据中心极限定理，大量独立同分布的随机变量之和趋向于正态分布 2、服从正态分布的变量的线性组合依然服从正态分布，则 第三节 一元线性回归模型的假设检验 p130 一、检验 二、参数的显著性检验 三、回归的拟合优度检验 四、回归分析结果的报告 五、综合实例：美国商业部门工资和生产率的关系 返回 一、检验 对模型和所估计的参数加以评定，判断在经济理论上是否有意义，在统计上是否显著等。 检验包括： 1）经济意义的检验 2）统计推断检验* 3）计量经济学检验* 4）预测检验* 返回 二、参数的显著性检验 p132 1、“稻草人假设” 2、ols估计量服从t分布 3、检验步骤 4、例题 返回 回归分析是要判断解释变量X是否是被解释变量Y的一个显著性的影响因素。 在一元线性模型中，就是要判断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。 2、ols估计量服从t分布 4、例题：葡萄酒拍卖价格的回归分析 数据 应变量： ln(price)： 1952~1980年间共10批，用来自六个葡萄种植场的的葡萄酿造的60种不同葡萄酒的价格，取其对数形式 自变量： Age: 葡萄酒存放年数 Temp:葡萄生长期平均气温 Rain:8/9月份降雨量 Wrain:葡萄生长期前一年10月到次年3月降雨量 回归结果（括号里数据为标准误差） 三、拟合优度检验P134 对样本回归直线与样本观测值之间拟合程度的检验。度量拟合优度的指标：判定系数（可决系数）R2 1、 总离差平方和的分解 2、几个概念 3、判定