第三章多元线性回归模型 (2).pptVIP

三、方差最小性（也称有效性）首先导出的方差与协方差矩阵：由于??于是OLS估计量的方差与协方差矩阵为：第29页，共77页，星期日，2025年，2月5日即的方差与协方差矩阵为与之积，因此估计量的方差为与的第j个对角线元素之积(j=1,2,…,k)。令则第30页，共77页，星期日，2025年，2月5日由于总体分布未知，于是也未知，令?可以证明为总体方差的无偏估计量。最小方差的证明省略。第31页，共77页，星期日，2025年，2月5日第三章第六节计量经济学第32页，共77页，星期日，2025年，2月5日§3.6估计量的显著性检验及置信区间对于多元线性回归模型的参数估计量，其在统计上是否显著，也需要作显著性检验，即t-显著性检验，其检验方法与一元线性模型的参数显著性检验基本相同，所不同的是现在要对所有解释变量前的参数进行显著性检验。第33页，共77页，星期日，2025年，2月5日与一元线性回归模型的原理完全一样可导出：以95%的可能性落在区间：(j=1,2,…,k)上，称该区间为的置信区间，或称区间估计，置信度为95%.第34页，共77页，星期日，2025年，2月5日很显然，置信区间越小则可信度越高，而置信区间的半径中临界值变化不大，因此估计量的可信度主要取决于其标准差的估计量，标准差越小，则可信度越高，标准差越大，则可信度越低。这与t-检验的显著性是等价的，从T统计量的计算可知，标准差越小，则t-统计量的绝对值越大，即t-值通过临界值的可能性也大，从而t-检验显著的可能性也大。第35页，共77页，星期日，2025年，2月5日另一方面，从标准差的计算公式可知，标准差的大小主要取决于总体方差估计量的大小及对角线上的元素，而与解释变量的线性相关的程度有关，当总体方差估计量较大以及解释变量的线性相关程度较高时，参数估计量的标准差的估计量也就较大，这时会影响参数的显著性。第36页，共77页，星期日，2025年，2月5日第三章第七节计量经济学第37页，共77页，星期日，2025年，2月5日§3.7回归方程的显著性检验对于一元线性回归模型，回归参数的显著性与回归方程的显著性是等价的，而对于多元线性回归模型，单个回归参数是显著的并不等于整个回归方程是显著的，因此还要作回归方程的显著性检验。回归方程的显著性检验也称为F–检验，也是一种假设检验。第38页，共77页，星期日，2025年，2月5日F–检验是检验所有解释变量合起来对被解释变量线性影响的显著性，单个解释变量对被解释变量的线性影响是显著的，合起来之后即线性组合对被解释变量的影响未必是显著的，这相当于我们通常所说的整体效率。因此对于多元模型，回归方程的显著性检验与回归参数显著性检验是不能相互替代的，第39页，共77页，星期日，2025年，2月5日即使对回归方程中每个参数分别进行的t-检验都不显著，F–检验也可能是显著的。比如当解释变量之间高度相关时就可能出现这种情况，其结果可能是参数的标准差大而t值小，但整个模型仍然能对数据拟合得很好。第40页，共77页，星期日，2025年，2月5日F-统计量的计算公式为：在一般计量软件的参数估计输出结果中均有F-统计量的值，不必用手工计算。当F-值大于临界值时，回归方程是显著的，否则，为不显著的。“自由度”是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的数据的个数。第41页，共77页，星期日，2025年，2月5日第三章第八节计量经济学第42页，共77页，星期日，2025年，2月5日§3.8拟合优度检验及修正的R2值在一元线性回归模型中，我们用样本决定系数来衡量回归方程对样本观察值的拟合程度，即拟合优度检验，这一方法对多元线性回归模型仍然适用。与一元线性模型类似，可以证明：TSS=ESS+RSS即样本总离差可以分解为回归总离差与残差平方和之