最小二乘法和线性回归及很好的总结讲述.ppt

人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * * 三、假设检验 （一）、t检验 在多元回归模型中，t统计量为： …… （2.56） 均服从自由度为（n-k）的t分布。下面的检验过程跟双变量线性回归模型的检验过程一样。 * （二）、F检验 F检验的第一个用途是对所有的回归系数全为0的零假设的检验。第二个用途是用来检验有关部分回归系数的联合检验，就方法而言，两种用途是完全没有差别的，下面我们将以第二个用途为例，对F检验进行介绍。 * 为了解联合检验是如何进行的，考虑如下多元回归模型： （2.57） 这个模型称为无约束回归模型（unrestricted regression），因为关于回归系数没有任何限制。 * 假设我们想检验其中q个回归系数是否同时为零，为此改写公式（2.57），将所有变量分为两组，第一组包含k-q个变量（包括常项），第二组包含q个变量： （2.58） * 如果假定所有后q个系数都为零，即建立零假设： ，则修正的模型将变为有约束回归模型（restricted regression）（零系数条件）： （2.59） * 关于上述零假设的检验很简单。若从模型中去掉这q个变量，对有约束回归方程（2.59）进行估计的话，得到的误差平方和 肯定会比相应的无约束回归方程的误差平方和 大。如果零假设正确，去掉这q个变量对方程的解释能力影响不大。当然，零假设的检验依赖于限制条件的数目，即被设定为零的系数个数，以及无约束回归模型的自由度。 * 检验的统计量为： （2.60） 在这里，分子是误差平方和的增加与零假设所隐含的参数限制条件的个数之比；分母是模型的误差平方和与无条件模型的自由度之比。如果零假设为真，式（2.60）中的统计量将服从分子自由度为q，分母自由度为N-K的F分布。 * 对回归系数的子集的F检验与对整个回归方程的F检验做法一样。选定显著性水平，比如1％或5％，然后将检验统计量的值与F分布的临界值进行比较。如果统计量的值大于临界值，我们拒绝零假设，认为这组变量在统计上是显著的。一般的原则是，必须对两个方程分别进行估计，以便正确地运用这种F检验。 * F检验与R2有密切的联系。回想 ,则 ， （2.61） 两个统计量具有相同的因变量，因此 将上面的两个方程代入（2.60），检验的统计量可以写成： （2.62） * 第四节 预测 一、预测的概念和类型 （一）预测的概念 金融计量学中，所谓预测就是根据金融经济变量的过去和现在的发展规律，借助计量模型对其未来的发展趋势和状况进行描述、分析，形成科学的假设和判断。 * （二）预测原理 条件期望（conditional expectations），在t期Y的t+1期的条件期望值记作 ，它表示的是在所有已知的t期的信息的条件下，Y在t+1期的期望值。 假定在t期，我们要对因变量Y的下一期（即t+1期）值进行预测，则记作 。 * 在t期对Y的下一期的所有预测值中，Y的条件期望值是最优的（即具有最小方差），因此，我们有：  （2.65） * （三）预测的类型： （1）无条件预测和有条件预测 所谓无条件预测，是指预测模型中所有的解释变量的值都是已知的，在此条件下所进行的预测。 所谓有条件预测，是指预测模型中某些解释变量的值是未知的，因此想要对被解释变量进行预测，必须首先预测解释变量的值。 * （2）样本内（in-sample）预测和样本外（out-of-sample）预测 所谓样本内预测是指用全部观测值来估计模型，然后用估计得到的模型对其中的一部分观测值进行预测。 样本外预测是指将全部观测值分为两部分，一部分用来估计模型，然后用估计得到的模型对另一部分数据进行预测。 * （3）事前预测和事后模拟 顾名思义，事后模拟就是我们已经获得要预测的值的实际值，进行预测是为了评价预测模型的好坏。 事前预测是我们在不知道因变量真实值的情况下对其的预测。 * （4）一步向前（one-step-ahead）预测和多步向前（multi-step-ahead）预测 所谓一步向前