双变量模型假设检验.pptVIP

* Estimate of variances and stand deviations of OLS estimates * The distribution of OLS estimates * 3.6　判定系数R2 * 3.6　判定系数R2 * 3.6　判定系数R2 . . . . ei x y * 3.7　回归分析结果的报告 * 3.7　回归分析结果的报告(STATA) * 3.7　回归分析结果的报告(Eviews) * 3.8　正态性检验 我们CLM假设误差项服从正态分布，如果不服从正态分布，我们就无法推出OLS估计量的分布，也就无法进行假设检验。那么我们的数据是不是正太分布呢，有一些检验方法： 残差直方图 Jarque-Bera 检验 * 3.8　正态性检验 Jarque-Bera 检验 H0：变量服从正态分布。 从上面的式子可以看出，如果为正态分布，则JB值为0。如果通过计算，JB值大于临界值c2a(2)，则拒绝原假设，认为变量不服从正态分布。 SK检验 H0：变量服从正态分布。 如果通过计算，JB值大于临界值c2a(2)，则拒绝原假设，认为变量不服从正态分布。 * 3.9　例子：简单工资决定模型 考虑两种形式的工资决定模型 wage=b0+b1educ+u log(wage)=b0+b1educ+u 数据(wage1.raw) 结果 wage=-0.90