第8章 多元线性回归模型（2）.pptVIP

小结：多元线性回归模型的估计与检验 （二）多元线性回归模型的统计检验 多元回归EXCEL判定系数： 多元回归Eviews判定系数： 二、方程的显著性检验(F检验) 首先要构造F统计量 方差分析表 前例中 多元回归EXCEL的F检验： 多元回归Eviews的F检验： 2、关于拟合优度检验与方程显著性检验关系讨论 由 三、变量的显著性检验（t检验） 方程的总体线性关系显著?每个解释变量对被解释变量的影响都是显著的 1、t统计量 2、t检验 注意：一元线性回归中，t检验与F检验一致 在中国居民人均收入-消费支出二元模型例中 多元回归EXCEL的t检验： 多元回归Eviews的t检验： 四、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 多元回归EXCEL的置信区间： 多元回归Eviews的置信区间： 如何才能缩小置信区间？ 多元线性回归模型分析实例 1、计算样本决定系数 2、计算F统计量 3、计算t统计量 4、残差分析 EXCEL回归分析结果　 多元回归结果分析 §8.4 多元线性回归模型的预测 一、点预测 二、E(Y0)的置信区间预测 三、单个Y0的置信区间预测 如果已经知道实际的预测值Y0，那么预测误差为： 利用Eviews预测步骤 2、然后编辑解释变量X 3、点预测 4、区间预测 §8.5 多元线性回归模型的设定误差 一、模型的设定误差 实例、古董钟与拍卖价格 要求 中标价格与钟表的年代回归结果 中标价格与投票人数回归结果 中标价格对钟表的年代与投票人数回归结果 不同模型回归结果的联系和区别 二、什么时候增加新的解释变量 三、受约束最小二乘回归 在建立回归模型时，有时根据经济理论需对模型中变量的参数施加一定的约束条件。 模型参数的线性约束F检验 §8.6 若干实例 回归结果： 例8.2 牙买加进口需求？ 例8.3 英国酒的需求？ 例8.4 城市劳动力参与率、失业率及平均小时工资 小结：多元线性回归模型的估计 参数估计的最小二乘法 最小二乘 (OLS) 法的原理是通过求残差平方和最小确定回归参数估计值。 小结： 二、多元线性回归模型的统计检验 小结： 实例：未偿付抵押贷款债务 这里非农业抵押贷款债务 (Y，亿美元)为被解释变量，个人收入 (X2，亿美元)、新住宅抵押贷款费用(X3，%)为解释变量 综合实例：未偿付抵押贷款债务 思考题 t= (-1.16) (1.32) (3.39) (2.47) (1.73) （2）若显著水平a=0.05，则双侧临界值ta/2(15)=2.131，单侧临界值ta (15)=1.753，可见X3、X4回归是显著的，X2、X5不显著。 se= (0.012) (0.2688) (0.0005) (0.266) (0.0034) 其中：Y=每个成年人酒消费的年变化 X2=酒真实价格指数的年变化 X3=个人真实可支配收的年变化 X4=许可证发放数量的年变化/成年人口 X5=每个广告支出的的年变化 （1）理论表明：除了X2个都应正相关，与回归结果相符 n=20 R2=0.689 （3）希望X5正相关，进行单边检验：B5≤0， B50,由于t=1.731.753，但比较接近，可以认为近似通过检验。 t= (17.001) (-8.112) (-2.307) （1）结果表明每个变量回归系数都是高度统计显著的。 se= (4.7561) (0.0827) (0.6086) n=23 R2=0.7727 校正R2=0.7500 F=34.073 （2）因为F=34.073，Fa(2,20)=3.493，所以CUNR和AHE82也是联合统计显著的。 p= (0.000)* (0.000)* (0.0319) （3）与预期相同，城市失业率对城市劳动力参与率有负的影响，表时受挫工人效应占统治地位； AHE82的系数为负，表明在收入效应和替代效应中，前者占主导地位。 一、多元线性回归模型 上式可以表示为矩阵形式 希望通过样本估计参数值B 对于随机抽取的n组观测值(