计量经济学一元线性回归.pptVIP

第1页，共20页，星期日，2025年，2月5日回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。尽管从统计性质上已知，如果有足够多的重复抽样，参数的估计值的期望（均值）就等于其总体的参数真值，但在一次抽样中，估计值不一定就等于该真值。那么，在一次抽样中，参数的估计值与真值的差异有多大，是否显著，这就需要进一步进行统计检验。主要包括拟合优度检验、变量的显著性检验及参数的区间估计。第2页，共20页，星期日，2025年，2月5日一、拟合优度检验拟合优度检验：对样本回归直线与样本观测值之间拟合程度的检验。度量拟合优度的指标：判定系数（可决系数）R2问题：采用普通最小二乘估计方法，已经保证了模型最好地拟合了样本观测值，为什么还要检验拟合程度？第3页，共20页，星期日，2025年，2月5日1、总离差平方和的分解已知由一组样本观测值（Xi,Yi），i=1,2…,n得到如下样本回归直线第4页，共20页，星期日，2025年，2月5日如果Yi=?i即实际观测值落在样本回归“线”上，则拟合最好。可认为，“离差”全部来自回归线，而与“残差”无关。第5页，共20页，星期日，2025年，2月5日对于所有样本点，则需考虑这些点与样本均值离差的平方和,可以证明：记总体平方和（TotalSumofSquares）回归平方和（ExplainedSumofSquares）残差平方和（ResidualSumofSquares）第6页，共20页，星期日，2025年，2月5日TSS=ESS+RSSY的观测值围绕其均值的总离差(totalvariation)可分解为两部分：一部分来自回归线(ESS)，另一部分则来自随机势力(RSS)。在给定样本中，TSS不变，如果实际观测点离样本回归线越近，则ESS在TSS中占的比重越大，因此拟合优度：回归平方和ESS/Y的总离差TSS第7页，共20页，星期日，2025年，2月5日2、可决系数R2统计量称R2为（样本）可决系数/判定系数（coefficientofdetermination)。可决系数的取值范围：[0，1]R2越接近1，说明实际观测点离样本线越近，拟合优度越高。第8页，共20页，星期日，2025年，2月5日在例2.1.1的收入-消费支出例中，注：可决系数是一个非负的统计量。它也是随着抽样的不同而不同。为此，对可决系数的统计可靠性也应进行检验，这将在第3章中进行。第9页，共20页，星期日，2025年，2月5日二、变量的显著性检验回归分析是要判断解释变量X是否是被解释变量Y的一个显著性的影响因素。在一元线性模型中，就是要判断X是否对Y具有显著的线性性影响。这就需要进行变量的显著性检验。变量的显著性检验所应用的方法是数理统计学中的假设检验。计量经计学中，主要是针对变量的参数真值是否为零来进行显著性检验的。第10页，共20页，星期日，2025年，2月5日1、假设检验所谓假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。假设检验采用的逻辑推理方法是反证法。先假定原假设正确，然后根据样本信息，观察由此假设而导致的结果是否合理，从而判断是否接受原假设。判断结果合理与否，是基于“小概率事件不易发生”这一原理的第11页，共20页，星期日，2025年，2月5日2、变量的显著性检验第12页，共20页，星期日，2025年，2月5日检验步骤：（1）对总体参数提出假设H0：?1=0，H1：?1?0（2）以原假设H0构造t统计量，并由样本计算其值（3）给定显著性水平?，查t分布表，得临界值t?/2(n-2)(4)比较，判断若|t|t?/2(n-2)，则拒绝H0，接受H1；若|t|?t?/2(n-2)，则拒绝H1，接受H0；第13页，共20页，星期日，2025年，2月5日对于一元线性回归方程中的?0，可构造如下t统计量进行显著性检验：在上述收入-消费支出例中，首先计算?2的估计值第14页，共20页，星期日，2025年，2月5日