- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
精选
计量经济学复习范围
一、回归模型的比较
1.根据模型估计结果观察分析
(1)回归系数的符号和值的大小是否符合经济理论要求
(2)改变模型形式之后是否使判定系数的值明显提高
(3)各个解释变量t检验的显著性
2.根据残差分布观察分析
在方程窗口点击View \ Actual,Fitted,Residual\Tabe(或Graph)
(1)残差分布表中,各期残差是否大都落在的虚线框内。
(2)残差分布是否具有某种规律性,即是否存在着系统误差。
(3)近期残差的分布情况
二、 判断新的解释变量引入模型是否合适(遗漏变量检验)
1、基本原理
如果模型逐次增加一个变量, 由于增加一个新的变量,ESS相对于RSS的增加,称为这个变量的“增量贡献”或“边际贡献”。
(即引入的变量不显著)
或
其中,为新引进解释变量的个数,为引进解释变量后的模型中参数个数。
判别增量贡献的准则:如果增加一个变量使变大,即使RSS不显著地减少,这个变量从边际贡献来看,是值得增加的。
若F>F???或者对应的P值充分小,拒绝???则认为引入新的解释变量合适;否则,接受???则认为引入新的解释变量不合适。?
三、伪回归的消除
如果解释变量和被解释变量均虽随时间而呈同趋势变动,如果不包含时间趋势变量而仅仅是将Y对X回归,则结果可能仅仅反映这两个变量的同趋势特征而没有反映它们之间的真实关系,这种回归也称为伪回归。
模型的结构稳定性检
CHOW检验法
1、基本原理
模型结构稳定性,是指模型在样本期的不同时期(子样本),其参数不发生改变。若模型参数样随样本期(子样本)的不同而发生改变,则称模型不具有结构稳定性。
另外,还可以引入虚拟变量
四、 模型的拟合优度检验
“拟合优度”,即所估计的模型对样本数据的近似程度,常用判定系数反映。
1、总误差平方和的分解
总误差(TSS)=回归误差(ESS)+剩余误差(RSS)
自由度
2.判定系数
0≤≤1 , R2的值越接近于1,则表明模型对样本数据的拟合优度越高。
经济意义:在被解释变量的变动中,由模型中解释变量变动所引起的比例,即变动的是由模型中解释变量变动所引起。
3.判定系数与相关系数的区别和联系
区别:(1)判定系数反映变量间不对称的因果关系
(2)相关系数反映变量间对称的线性相关关系
联系:
一元线性
多元线性
4.比较解释变量个数不同模型优劣时,利用如下三个指标⑴ 调整的判定系数
越大,模型拟合优度越高。
⑵ SC(Schwarz Criterion,施瓦兹准则)
SC =
⑶ AIC(Akaike Information Criterion,赤池信息准则)
AIC =
SC和AIC越小,表明模型的拟合优度越高。
方程的显著性检验——检验法
方程的显著性检验,就是检验模型对总体的近似程度。最常用的检验方法是F检验或者R检验。
F检验
~
给定的显著水平,可由F分布表查得临界值,进行判断:
若>,拒绝,方程的线性关系显著;
若 ≤ ,接受,方程的线性关系不显著,回归方程无效、重建。
检验通不过的原因可能在于:
⑴ 所选取的解释变量不是影响被解释变量变动的主要因素,或者说影响y变动的主要因素除方程中包含的因素外还有其它不可忽略的因素;
⑵ 解释变量与被解释变量之间无相关关系;
⑶ 解释变量与被解释变量之间不存在线性相关关系;
⑷ 样本容量n小。
R检验
⑴ R2与F的关系
可见,F为R2的单调递增函数
⑵ 相关系数
由于 则
在一元线性回归中,R称为简单相关系数,且│R│≤ 1,即-1≤R≤ 1
在多元线性回归中,,R称为复相关系数,且0≤R≤1。
给定显著性水平和自由度,即可查表找到
判断:︱R︱>,方程线性关系显著。
︱R︱≤,方程线性关系不显著,回归方程无效,重建方程。
F检验与R检验结果一致,实际应用可选择其一。
解释变量的显著性检验-检验法
对于模型
在之下,检验解释变量对y是否有显著影响,建立假设
当 >,或所对应的伴随概率<时,拒绝,即认为对有重要线性影响;
当 ≤,或所对应的伴随概率≥时,接受,即认为对无重要影响,应考虑将其从模型中剔除,重新建立模型。
解释变量显著性检验通不过的原因可能在于:
⑴ 与不存在线性相关关系;
⑵ 与不存在任何关系;
⑶ 与(i≠j)存在线性相关关系。
五、最小二乘原理
所选择的回归模型应该使所有观察值的残差平方和达到最小,即=最小
多重共线性产生的原因
对于模型
文档评论(0)