第三章 多元线性回归模型.pptVIP

其中利用了和第30页，共70页，星期日，2025年，2月5日五、样本容量问题所谓“最小样本容量”，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。⒈最小样本容量样本最小容量必须不少于模型中解释变量的数目（包括常数项）,即n≥k+1因为，无多重共线性要求：秩(X)=k+1第31页，共70页，星期日，2025年，2月5日2、满足基本要求的样本容量从统计检验的角度：n?30时，Z检验才能应用；n-k≥8时,t分布较为稳定一般经验认为:当n≥30或者至少n≥3(k+1)时，才能说满足模型估计的基本要求。模型的良好性质只有在大样本下才能得到理论上的证明第32页，共70页，星期日，2025年，2月5日六、多元线性回归模型的参数估计实例例3.2.2在例2.5.1中，已建立了中国居民人均消费一元线性模型。这里我们再考虑建立多元线性模型。解释变量：人均GDP：GDPP前期消费：CONSP(-1)估计区间：1979~2000年第33页，共70页，星期日，2025年，2月5日Eviews软件估计结果第34页，共70页，星期日，2025年，2月5日§3.3多元线性回归模型的统计检验一、拟合优度检验二、方程的显著性检验(F检验)三、变量的显著性检验（t检验）四、参数的置信区间第35页，共70页，星期日，2025年，2月5日一、拟合优度检验1、可决系数与调整的可决系数则总离差平方和的分解第36页，共70页，星期日，2025年，2月5日由于:=0所以有：注意：一个有趣的现象第37页，共70页，星期日，2025年，2月5日可决系数该统计量越接近于1，模型的线性拟合优度越高。问题：在应用过程中发现，如果在模型中增加一个解释变量，R2往往增大（Why?)这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。——但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整。第38页，共70页，星期日，2025年，2月5日调整的可决系数（adjustedcoefficientofdetermination）在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响:其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。第39页，共70页，星期日，2025年，2月5日第40页，共70页，星期日，2025年，2月5日*2、赤池信息准则和施瓦茨准则为了比较所含解释变量个数不同的多元回归模型的拟合优度，常用的标准还有:赤池信息准则（Akaikeinformationcriterion,AIC）施瓦茨准则（Schwarzcriterion，SC）这两准则均要求仅当所增加的解释变量能够减少AIC值或AC值时才在原模型中增加该解释变量。第41页，共70页，星期日，2025年，2月5日Eviews的估计结果显示：中国居民消费一元例中：AIC=7.09SC=7.19中国居民消费二元例中：AIC=6.68SC=6.83从这点看，可以说前期人均居民消费CONSP(-1)应包括在模型中。第42页，共70页，星期日，2025年，2月5日二、方程的显著性检验(F检验)方程的显著性检验，旨在对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作出推断。1、方程显著性的F检验即检验模型Yi=?0+?1X1i+?2X2i+?+?kXki+?ii=1,2,?,n中的参数?j是否显著不为0。第43页，共70页，星期日，2025年，2月5日可提出如下原假设与备择假设：H0：?0=?1=?2=?=?k=0H1：?j不全为0F检验的思想来自于总离差平方和的分解式：TSS=ESS+RSS第44页，共70页，星期日，2025年，2月5日如果这个比值较大，则X的联合体对Y的解释程度高，可认为总体存在线性关系，反之总体上可能不存在线性关系。因此