数学线性回归分析.pptx

1第2章线性回归分析数学线性回归分析全文共47页，当前为第1页。

2各类统计量1、统计量统计量衡量在样本内预测因变量值的回归是否成功。是自变量所解释的因变量的方差。如果回归完全符合，统计值会等于1。如果结果不比因变量的均值好，统计值会等于0。可能会由于一些原因成为负值。例如，回归没有截距或常数，或回归包含系数约束，或估计方法采用二阶段最小二乘法或ARCH方法。EViews计算的公式为：其中，是残差，是因变量的均值。数学线性回归分析全文共47页，当前为第2页。

32、调整使用作为衡量工具存在的一个问题，即在增加新的自变量时不会减少。在极端的情况下，如果把样本观测值都作为自变量，总能得到为1。调整后的通常解释为,消除中对模型没有解释力的新增变量。计算方法如下：从不会大于，随着增加变量会减小，而且对于很不适合的模型还可能是负值。数学线性回归分析全文共47页，当前为第3页。

43、回归标准差(S.E.ofregression)回归标准差是在残差的方差的估计值基础之上的一个总结。计算方法如下：4、残差平方和残差平方和可以用于很多统计计算中，为了方便，现在将它单独列出：数学线性回归分析全文共47页，当前为第4页。

55、对数似然函数值EViews可以作出根据系数的估计值得到的对数似然函数值（假设误差为正态分布）。似然比检验可通过观察方程严格形式和不严格形式的对数似然值之间的差异来进行。对数似然计算如下：数学线性回归分析全文共47页，当前为第5页。

66、Durbin-Watson统计量D-W统计量衡量残差的序列相关性，计算方法如下：参见Johnston和DiNardo(1997)作出的D-W统计量分布的显著性水平的列表。作为一个规则，如果DW值小于2,证明存在正序列相关。在我们的结果中，DW值非常接近于1，表明残差中存在序列相关。关于Durbin-Watson统计量和残差序列相关更详细的内容参见“序列相关理论”。对于序列相关还有更好的检验方法。在“序列相关的检验”中，我们讨论Q统计量和Breusch-GodfreyLM检验，这些都是比DW统计量更为一般序列相关检验方法。数学线性回归分析全文共47页，当前为第6页。

77、因变量均值和标准差（S.D）y的均值和标准差由下面标准公式算出：8、AIC准则(AkaikeInformationCriterion)计算公式如下：其中是对数似然值我们进行模型选择时，AIC值越小越好。例如，可以通过选择最小AIC值来确定一个滞后分布的长度。数学线性回归分析全文共47页，当前为第7页。

89、Schwarz准则Schwarz准则是AIC准则的替代方法:10、F统计量和边际显著性水平F统计量检验回归中所有的系数是否为零(除了常数或截距)。对于普通最小二乘模型，F统计量由下式计算：在原假设为误差正态分布下，统计量服从分布。数学线性回归分析全文共47页，当前为第8页。

9F统计量下的P值，即Prob(F-statistic),是F检验的边际显著性水平。如果P值小于所检验的边际显著水平，比如说0.05，则拒绝所有系数都为零的原假设。对于上面的例子，P值为零，因此，我们拒绝回归系数为零的原假设。注意F检验是一个联合检验，即使所有的t统计量都是不显著的，F统计量也可能是高度显著的。数学线性回归分析全文共47页，当前为第9页。

101.绘制统计图菜单式操作命令式操作对象操作数学线性回归分析全文共47页，当前为第10页。

多元线性回归模型案例1950-1987年间美国机动汽油消费量和影响消费量的变量数值。其中各变量表示：QMG-机动车汽油消费量；MOB-汽车保有量；PMG-机动汽油零售价格；POP-人口数；GNP-按照1982年美元计算的GNP；以汽油消费量为因变量，其它变量为自变量，建立一个回归模型。数学线性回归分析全文共47页，当前为第11页。

1.绘制统计图1.菜单方法从EViews主菜单中点击Quick键，选择Graph功能2.命令方法line(m)qmgmobpmgpopgnp

groupgroup1qmgmobpmgpopgnpline(m)group1数学线性回归分析全文共47页，当前为第12页。

1.绘制统计图