第3章 双变量模型：假设检验PPT.ppt

第3章 双变量模型：假设检验 ;3.1 经典线性回归模型 ;;;;;;;;3.2 OLS估计量的方差与标准差 ;3.3 OLS估计量的性质 ;2．OLS估计量的性质 （1）b1和b2是线性估计量，即它们是随机变量Y的线性函数。 证明： ;;（2）b1和b2是无偏估计量，即E(b1)=B1，E(b2)=B2。 ①对于b2，证明 ; ②对于b1，证明 ;（3）b1和b2是有效估计量，即在所有线性无偏估计量中最小二乘估计量b1和b2具有最小方差。 ①b1和b2方差求解 ;;②证明： 假设 是用其他方法得到的关于B2的线性无偏估计量， ， 。 ;而且有： ;故： ;（4）误差方差的OLS估计量是无偏的，即 。 证明： 前面已经提及 ，现在要证明： 对于模型 ，其离差形式为： ;根据样本回归函数 ，其离差形式为：;故有： ;因为 ;所以 ;3. 蒙特卡罗实验：实践中的OLS估计量的情况;(2) 再假定给出Xi十个值: 1,2,3,4,5,6,7,8,9,10. ;(3) 使用任何一个统计软包，可以产生ui 的遵从均值为0和方差为4的正态分布的10个随机值。;(4) 利用前面的方程，即 Yi = B1 +B2Xi + ui =1.5 +2.0Xi + ui 可以获得Y的10个值。;(5) 利用前面所产生的10个值，将Yi 对 X 进行回归，并得到b1和b2的值。;(6)重复上述过程21次，我们将得到如表3-2所示的结果（即Table 3-2）。;;;例 题 ;证明： ;例题2 假设有人做了如下的回归 其中，yi，xi分别为Yi，Xi关于各自均值的离差。 问b1和b2将分别取何值？ ;解： 记 ， ，则易知 ;例题3 令bYX和bXY分别为Y对X回归、X对Y的回归中的斜率，证明： bYX bXY= r2 其中，r为X与Y之间的线性相关系数。 ;证： 容易知道，在上述两个回归中，斜率项分别为 ;例题4 对于过原点的回归模型 ， ，试证明： ;证明： 模型 的参数b2的OLS估计量为： ;故 ;3.4 OLS估计量的抽样分布或概率分布 ;2．估计量b1和b2的分布 ;3.5 假设检验 ;2．置信区间检验 为了确定估计的b2对真实的B2的“靠近”程度，可设法找出两个正数δ和α（其中0α1），以使得区间（b2-δ,b2+δ）包含真实B2的概率为1-α。用符号表示为 ;一般地，在 服从正态分布的假定下，已知 ; 但由于 是未知的，只能用 [或 ]来估计它。在这种情况下，上式右边服从自由度为n-2的t分布，即 ; 对于给定的显著性水平α，查自由度为n-2的t分布表，得临界值 ，有 ;因此，b2的置信区间为 ;3．显著性检验 （1）核心思想 构造检验统计量，以及零假设下检验统计量的抽样分布，根据从样本数据求得的检验统计量的值，决定接受或拒绝零假设。 ;（2）检验方法 ①构造统计量 ;③根据样本数据，求得 ;3.6 拟合优度检验：判定系数 ;3．判定系数公式 ;4．相关系数（sample coefficient of correlation） ;3.7 正态性检验 ;;3．雅克-贝拉检验 雅克和贝拉构建了以下检验统计值： 这里，n是样本容量，S表示偏度，K表示峰度。 零假设H0：ui是正态分布变量 假如计算出的卡方值大于给定检验水平上的临界值，就拒绝正态分布的零假设，即残差是非正态的。否则，接受零假设，即残差呈现正态分布。 ;3.8 预测 ;预测分为点预测和区间预测两种： （1）点预测 点预测就是给定解释变量的值，利用样本回归方程求出相应的样本拟合值，以此作为被解释变量的实际值和其均值的估计值。 （2）区间预测 就是对被解释变量的实际值和其均值的可能取值范围作出预测。 ;2．点预测 （1） 是条件均值 的一个无偏估计 在总体回归函数为 的情况下，Y在X=X0时的条件均值为： ; 通过样本回归函数 ，求得 的拟合值为： ;（2） 是个别值的一个无偏估计 在总体回归模型为 的情况下， ，所以Y在X=X0时的值为 ;3．区间预测 （1）总体均值