计量经济学)多元线性回归模型的统计检验.pptVIP

§3.2 多元线性回归模型的统计检验Statistical Test of Multiple Linear Regression Model ;说 明;一、拟合优度检验(Testing the Simulation Level);总离差平方和、回归平方和及残差平方和;那么，TSS、ESS、RSS之间存在的如下关系： 总离差平方和 = 回归平方和 + 残差平方和 TSS = ESS + RSS;关于TSS=ESS+ RSS的证明过程（教材P73）;所以 ;但是在应用过程中人们发现，如果在模型中增加一个解释变量，那么模型的回归平方和随之增大，从而R2也随之增大。;式中，（n-k-1）为残差平方和RSS的自由度，（n-1）为总离差平方和TSS的自由度。（教材P74） ;在实际应用中，R2达到多大才算模型通过了检验？ ;而在第三版教材P72例3.2.2的中国内地城镇居民人均消费支出模型（二元回归）中，R2 =0.975634，;可决系数R2 的简捷计算公式： （☆）; *赤池信息准则和施瓦茨准则（教材P75）;二、方程显著性检验（教材P75） Testing the Overall Significance;1.关于假设检验（教材P46）;假设检验的基本思想是概率性质的反证法。也就是说，为了检验原假设H0是否正确，先假定这个假设是正确的，看由此能推出什么结果。如果导致一个不合理的结果，则表明“假设H0为正确”是错误的，即原假设H0不正确，因此要拒绝原假设H0。如果没有导致一个不合理现象的出现，则不能认为原假设H0不正确，因此不能拒绝原假设H0 。 ;概率性质的反证法的根据是小概率事件原理。该原理认为“小概率事件在一次试验中几乎是不可能发生的”。 ;换句话说，这里构造了一个小概率事件（“检验统计量的样本值落入拒绝域”）。如果在一次试验中该事件就发生了，就违背了小概率事件原理，也就意味着导致了一个不合理的结果。;显著性检验的步骤： (★) ;检验模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立，也就是要检验模型 ;（2） ; 直观上看，回归平方和ESS是解释变量整体对被解释变量Y的线性作用的结果，如果ESS/RSS的比值较大，则解释变量整体对Y的解释程度高，可以认为总体存在线性关系；反之，总体可能不存在线性关系。因此,可以通过该比值的大小对总体线性关系进行推??。该统计量即为用于方程显著性检验的F统计量。;（4） ;例 在第三版教材P72例3.2.2的中国内地城镇居民人均消费模型(二元回归)中，k=2,n=31, F=560.565。 给定α=0.05,查得Ｆ0.05（2,28)=3.34。 所以,该模型的线性关系在95%的置信水平下显著成立。;⒊ 关于拟合优度检验与方程显著性检验关系的讨论 ;多大才算通过拟合优度检验？ ;实际上，有许多著名的模型，R2小于0.5，支持了重要的结论。例：西蒙·库兹涅茨关于收入差距的倒U型规律、H·钱纳里的《发展的型式1950-1970》。;方程显著性检验（F检验）的步骤（★）;1.什么是变量的显著性检验？（教材P77）;2.变量显著性的t检验;于是;（2）变量显著性的t 检验（思路）;例：在教材P72例3.2.2 中国内地城镇居民人均消费支出的二元回归模型中，由Eviews软件计算得到： 变量X1和X2各自的t统计量样本值分别为 tX1=7.378320 tX2=2.200791 给定α=0.05,查得临界值t0.025(28)=2.048。 由于tX1 、tX2都大于临界值t0.025(28)，所以，变量X1和X2在95%的水平下都显著。;变量显著性检验（t 检验）的步骤（★）;3.在一元线性回归（k=1）中，t检验与F检验是一致的。（教材P78）;注 意