计量经济学精编本课件于俊年 ISBN9787811343038 PPT精3.4.pptVIP

* §3.4 的估计量和拟合优度 一、总平方和的分解 为了方便我们研究中心化了的样本回归模型： （ 3.4.1） 残差平方和 （3.4.2） （3.4.3）式称为总平方和的分解式。式中 为 总平方和，记作TSS（Total Sum of Squares）， 为回归平方和，记作RSS（Regression Sum of Squares）, 为残差平方和，记作 ESS（Residual Sum of Squares）。于是（3.4.3） 可以写成 TSS = RSS + ESS (3.4.4) 其中 TSS的自由度为n – 1，其中n为样本容量； RSS的自由度为k，其中k为自变量的个数； ESS的自由度为n – k –1。 二、 的估计量和拟合优度 由（3.4.3）式可得出 的无偏估计量 的表达式： （3.4.5） 拟合优度 为: （3.4.6） 就是RSS（被说明的变异）占TSS（Y的总变异） 的百分比，显然其数值范围为0 ≤ R2 ≤ 1。 当 R2 越接近1时，回归模型对样本拟合得越好。 三、修正拟合优度 在模型的制作过程中，人们通常需要对某些自 变量的取舍做出选择。这就需要我们判明那个 自变量对因变量Y有重要影响。 由于R2的递增性，这将是一个有取无舍的准则， 变成毫无意义的准则。 为了克服上述的困难，我们通过对R2进行所谓 自由度修正的办法来解决。 将 R2 的表达式（3.4.6）改写成： （3.4.7） 将（3.4.7）式中的ESS用ESS/(n – k–1)来代替， TSS用TSS /(n- 1)来代替，再把 R2 改记成 便引 入修正拟合优度： （3.4.8） 其中（n- k- 1）和（n - 1）分别是ESS和TSS的自由度。 这样定义的修正拟合优度 ，当模型中自变量 数目改变时，TSS/(n- 1)保持不变，ESS/(n- k- 1) 则随之而变，而且可能变大也可能变小，因此 引起 值减小或增大。据此可以判断新增添的 这个自变量对因变量的影响程度。当模型中增 加一个自变量，如果ESS/(n- k- 1)变小，因而使 增大，便可认为这个自变量对因变量有显 著影响，则该自变量应放进模型中，否则，应 予抛弃。 关于 的性质： （1） 性质1： 一般小于 。 （3.4.10） （2）性质2：在计算 值时，可能出现负值 的情况，此时可取 =0。 *