第四章多元回归：估计与假设检验4-10.pptVIP

2、什么时候增加新的解释变量？- 的应用 只要校正判定系数 值增加，就可以增加新的解释变量。 应变量相同的回归模型才可以对 进行比较。 *赤池信息准则和施瓦茨准则 这两准则均要求仅当所增加的解释变量能够减少AIC值或AC值时才在原模型中增加该解释变量。 * 如果拟新增解释变量的参数估计值的t绝对值大于1，则 会增加。 运用于对回归模型增加或减少解释变量的判断中 考虑如下两个回归模型： (有约束模型) (无约束模型) 施加约束条件H0： * 3、受限最小二乘 检验思想：用（RSSR - RSSU）的大小检验约束的真实性 若约束条件为真 受约束回归模型与无约束回归模型具有相同的解释能力 （RSSR - RSSU）较小 若约束条件无效 受约束回归模型与无约束回归模型解释能力有差异 （RSSR - RSSU）较大 如果约束条件为真，RSSR 与 RSSU的差异很小，则计算的F值较小，即不拒绝该约束条件。 如果约束条件无效， RSSR 与 RSSU的差异较大，计算的F值也较大，即拒绝该约束条件。 F临界F值，则不拒绝约束条件； F临界F值，则拒绝约束条件； 注意，kU - kR恰为约束条件的个数。 * 构建检验统计量Ｆ为： 3、受限最小二乘 3、受限最小二乘 无约束模型： 有约束模型： 施加约束条件： F临界F值，则拒绝约束条件； F临界F值，则拒接受约束条件 * 对参数间关系的其它约束 对模型 施加约束 得 或 (*) (**) 如果对（**）式回归得出 则由约束条件可得： * 3、受限最小二乘 二、对回归结果的讨论 –例P87 设定模型 §4.5 多元回归模型的相关讨论 * 根据经济理论，进行先验假定 进行回归，得到结果 经济意义检验 对偏回归系数含义进行解释 变量的显著性检验 方程总体的显著性检验 报告拟合优度 二、对回归结果的讨论 §4.5 多元回归模型的相关讨论 §4.3 多元线性回归模型的统计检验 一、回归模型设定的讨论 1、设定误差 2、 3、受限最小二乘 F检验与T检验的区别 F与R2的关系 F检验怎么做 方程的显著性检验F检验 第四章小结 多元线性回归模型 多元线性回归模型的参数估计 多元线性回归模型的统计检验 多元线性回归模型的预测 * 假设要求你建立一个计量经济学模型来说明在学校跑道上慢跑半小时或半小时以上的人数，以便决定是否修建第二条跑道以满足所有的锻炼者，你通过整个学年收集数据，得到两个可能的解释性方程： 其中，Y为某天慢跑者的人数，X1为该天的降雨量（单位：毫米），X2为该天的日照时间（单位：小时），X3为该天的最高温度（单位：华氏温度），X4为第二天需交学期论文的班级数。请回答下列问题： （1）这两个方程你认为哪个更合理些，为什么？ （2）为什么用相同的数据去估计，相同变量的系数符号却不同？ * * 本章作业： 1、做在书上：4.3；4.4；4.5；4.6 2、自己理解：91页的术语概念；4.1 3、做在作业本上：4.2；4.9；4.11；4.12 上机操作预习：4.7；4.14；4.18；4.21；4.22 第四章 多元回归：估计与假设检验 多元线性回归模型 多元线性回归模型的参数估计 多元线性回归模型的统计检验 多元线性回归模型的预测 对模型设定的讨论（增减解释变量） 对回归结果的讨论 * §4.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 * 一、多元线性回归模型-一般表现形式 多元线性回归模型:线性回归模型中的解释变量有多个。 i=1,2…,n 习惯上：把常数项看成为一虚变量的系数，该虚变量的样本观测值始终取1。 ?j也被称为偏回归系数，表示在其他解释变量保持不变的情况下，Xj每变化1个单位时，Y的均值E(Y)的变化; * 总体回归模型（总体回归函数的随机表达形式） 总体回归函数（非随机表达式） 一、多元线性回归模型-一般表现形式 样本回归模型（样本回归函数的随机表达形式） 样本回归函数（非随机表达式） * 一、多元线性回归模型-矩阵表达式 * 样本回归模型（函数）的矩阵表达: * 二、多元线性回归模型的基本假定 假设1：回归模型是参数线性的，并且正确设定。 假设2：解释变量与随机项不相关。 假设7：随机项满足正态分布。 假设3、4、5：随机误差项具有零均值、同方差及不序列相关性。 假设6：解释变量之间不存在完全共线性。即解释变量之间没有严格的线性关系。 * 假设6：解释变量之间不存在完全共线性。即解释变量之间没有严格的线性关系。 二、多元线性回归模型的基本假定 例： 收入 储蓄 消费 * §4