计量经济学3.3多元线性回归模型的统计检验幻灯片.ppt

地区城镇居民消费模型:一元（P54） 地区城镇居民消费模型：二元（P73） 根据广东东莞数据（1978～1995）选择第二产业增加值（GDP2），固定资产净值（NKF2）和劳动者人数（LT2）的数据，把GDP2作为被解释变量， NKF2和 LT2作为两个解释变量进行二元线性回归分析有： 练习： Confidentiality/date line: 13pt Arial Regular, whiteMaximum length: 1 line Information separated by vertical strokes,with two spaces on either side Disclaimer information may also be appear in this area. Place flush left, aligned at bottom, 8-10pt Arial Regular, white Indications in green = Live content Indications in white = Edit in master Indications in blue = Locked elements Indications in black = Optional elements Copyright: 10pt ArialRegular, white §3.3 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间 模型统计检验的实质 由计量经济模型的数理统计理论要求的,旨在检验模型是否满足数学理论与方法上的要求(统计差异显著性),不涉及模型的经济内涵 包含拟合优度检验（R2） 、总体显著性检验（F）、变量显著性检验（t），以及参数的置信区间估计等 检验样本回归线对样本观测值的拟合程度。 方法：通过构造一个可以表征拟合程度的统计量R2来实现，然后根据一定准则进行判断。 1、概念 一、拟合优度检验 则 总离差平方和的分解 2、可决系数 由于: 所以据此有： 在§3.2导出多元参数回归模型的参数估计值时有方程组： =0 即总离差平方和可分解为回归平方和与残差平方和两部分。回归平方和反映了总离差平方和可由样本回归线解释的部分。 在给定样本中，TSS不变，当ESS越大，RSS越小，说明样本回归线与样本观测值的拟合程度越高。 因此，可用ESS/TSS的比重衡量样本回归线对样本观测值的拟合程度： 该统计量越接近于1，模型的拟合优度越高。 问题：在应用过程中发现，如果在模型中增加一个解释变 量， 往往增大（Why?) 这就出现了一种错误倾向：要使得模型拟合得好，就必须增加解释变量。 但是，现实情况往往是，由增加解释变量个数引起的 的增大与拟合好坏无关， 需调整。 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: 中国城镇居民人均消费支出模型： 一元模型（P54）， 二元模型（P73）， 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=?0+?1X1i+?2X2i+ ? +?kXki+?i i=1,2, ?,n 中的参数?1, ?2,…， ?k是否显著不为0。 二、方程的显著性检验(F检验) 根据假设检验的原理和程序，可提出如下原假设与备择假设： H0： ?1=?2= ? =?k=0 H1： ?j不全为0（j=1,2,…k） 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。 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 服从自由度为(k , n-k-1)的F分布。 给定显著性水平?，可得到临界值F?(k,n-k-1)，由样本求出统计量F的数值后，通过判断 F? F?(k,n-k-1) 或 F?F?(k,n-k-1) 来拒绝或接受原假设H0，以判定原方程总体上的线性关系是否显著成立。 1-? F? F f(F) ? F检验的拒绝域 第一步：构造并计算F统计量 第二步：给定显著性水平α，查F分布表，得到临界值 第三步：判断得出结论：模型是否通过方程显著性检验。