简单线性回归模型统计检验.pptxVIP

1、拟合优度检验 ; 2、总离差平方和的分解; 如果Yi=?i 即实际观测值落在样本回归“线”上，则拟合最好。 可以认为，“离差”全部来自回归线，而与“残差”无关。; 对于所有样本点，则需考虑这些点与样本均值离差的平方和,可以证明：;TSS=ESS+RSS;3、可决系数R2统计量 ;; 第四节 回归系数的区间估计和假设检验;是关于样本观测值Yi的线性函数;;;; 假设检验可以通过一次抽样的结果检验总体参数可能的假设值的范围（如是否为零），但它并没有指出在一次抽样中样本参数值到底离总体参数的真值有多“近”。 要判断样本参数的估计值在多大程度上可以“近似”地替代总体参数的真值，往往需要通过构造一个以样本参数的估计值为中心的“区间”，来考察它以多大的可能性（概率）包含着真实的参数值。这种方法就是参数检验的置信区间估计。 ;;;举例：一元线性模型中，?i (i=1，2）的置信区间:;于是得到:(1-?)的置信度下, ?i的置信区间是 ;; ;(2) 的方差 未知，大样本下 与 的区间估计 在大样本下，用 代替 ，仍可利用正态分布作区间估计， 此时 的区间估计分别为：;(3) 的方差 未知，在小样本下， 与 的区间估计。 在小样本下：;三、回归系数的假设检验 ; 1、什么是假设检验 ;;2、变量的显著性检验 ：t检验; 检验步骤：;;;举例：对于回归方程 中的?1， 可构造如下t统计量进行显著性检验：;t统计量的计算结果分别为： ;t统计量25.52临界值2.306，就拒绝原假设,说明家庭消费支出对家庭可支配收入的回归系数是显著的;案例分析:中国城市居民消费支出;;第五节 回归模型预测;第五节 回归模型预测 1、对Y0平均值的点预测;2、对Y0平均值预测的置信区间 ;3、对Y0总体个值的预测区间 ;在收入-消费支出例中，得到的样本回归函数为 ;同样地，对于Y在X=1000的个体值，其95%的置信区间为： 673.84 - 2.306?130.87Yx=1000 673.84 + 2.306?130.87 或 (372.03, 975.65) ; 对于Y的总体均值E(Y|X)与个体值的预测区间（置信区间）:;eviews应用软件中的广义差分法;案例2：用回归模型预测木材剩余物