计量经济学 第 假设检验.ppt

已知某地区1978年~2003年的国内生产总值GDP与货运周转量的数据如下表所示： 试对其进行一元线性回归分析。若2005年国内生产总值GDP达 到80亿元，试对其货运周转量做出区间预测 。 一、相关分析 绘制散点图，以观察国内生产总值GDP与货运周转量之间的 关系形态。 用Excel软件制作散点图的步骤如下： 第一步：选择“插入”下拉菜单。 第二步：选择“图表”选项 第三步：选择XY散点图。 第四步：输入数据区域。 第五步：定义X轴为“国内生产总值GDP”、Y轴为“货运周转量”。  第六步：选择新工作表插入还是作为其中的对象插入(在这里 我们选择作为其中的对象插入)。按“完成”。图形如2.6.1所示。 由图2.6.1可以看出，国内生产总值GDP与货运周转量之间具 有线性相关关系。于是我们可以对国内生产总值x与货运周转 量y建立一元线性回归方程 二、回归分析 用Excel软件进行回归计算的步骤如下： 第一步：选择“工具”下拉菜单。 第二步：选择“数据分析”选项。 第三步：在分析工具中，选择“回归”，然后按“确定”。 第四步：定义自变量、因变量、置信度、输出区域。 选择“确定”后得到如输出结果62.6.1所示。 输出结果包括三部分内容： 第一部分是“回归统计”。给出了相关系数(Multiple R)、可决系 数（R Square）、修正的可决系数（Adjusted R Square）、标 准误差和观测值的个数。 第二部分是“方差分析”。给出了自由度（df）、回归平方和 与残差平方和（SS）、回归平方和与残差平方和的均方（MS） 、F统计量和F检验的显著水平（SignificanceF）。 第三部分是参数估计的有关内容。给出了回归方程的截距 （Intercept）的估计值 （Coefficients）、斜率 （X Variable 1）的估计值（Coefficients）、截距和斜率标 准误差 t检验中的t统计量（t Stat）、P-值.（P-value）以及截距和斜率 标准误差、t检验中的t统计量、P-值。 由输出结果2.6.1知，； Significance F=1.395E-21； P-value=1.395E-215%； R=0.9893081； R2=0.9787304； = 1.8803252  第6章 回归模型的假设检验 回归分析是要判断解释变量X是否是被解释变量Y的一个显著性的影响因素。 在一元线性模型中，就是要判断X是否对Y具有显著的线性性影响。这就需要进行变量的显著性检验。 变量的显著性检验所应用的方法是数理统计学中的假设检验。 计量经计学中，主要是针对变量的参数真值是否为零来进行显著性检验的。 第一节 假设检验 所谓假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。 假设检验采用的逻辑推理方法是反证法。 先假定原假设正确，然后根据样本信息，观察由此假设而导致的结果是否合理，从而判断是否接受原假设。 判断结果合理与否，是基于“小概率事件不易发生”这一原理的 1、显著性检验—t检验 t值是用来检验根据OLS估计出来的回归系数是否显著的统计量。 检验步骤： （1）对总体参数提出假设 H0： ?1=0， H1：?1?0 （2）以原假设H0构造t统计量，并由样本计算其值 （3）给定显著性水平?，查t分布表，得临界值t ?/2(n-2) (4) 比较，判断 若 |t| t ?/2(n-2)，则拒绝H0 ，接受H1 ； 若 |t|? t ?/2(n-2)，则拒绝H1 ，接受H0 ； T= 对于一元线性回归方程中的?0，可构造如下t统计量进行显著性检验： 在上述收入-消费支出例中，首先计算?2的估计值 t统计量的计算结果分别为： 给定显著性水平?=0.05，查t分布表得临界值 t 0.05/2(8)=2.306 |t1|2.306，说明家庭可支配收入在95%的置信度下显著，即是消费支出的主要解释变量； |t2|2.306,表明在95%的置信度下，无法拒绝截距项为零的假设。 2、显著性检验—F检验 F检验属于回归方程的显著性检验，它是对所有参数感兴趣的 一种显