资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,3.3,多元线性回归模型的统计检验,Statistical Test of Multiple Linear Regression Model,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,一、拟合优度检验,Goodness of Fit,1,、概念,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。,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？,如何检验：,构造统计量,统计量只能是相对量,2,、可决系数与调整的可决系数,总离差平方和的分解,证明：,该项等于,0,可决系数（,Coefficient of Determination,）,该统计量越接近于,1,，模型的拟合优度越高。,从,R,2,的表达式,中发现，如果在模型中增加解释变量，,R,2,往往增大。,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，由增加解释变量引起的,R,2,的增大与拟合好坏无关,，,所以,R,2,需调整。,调整的可决系数,（,adjusted coefficient of determination,）,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。,调整的可决系数多大才是合适的？,3,、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,（,Akaike,information criterion, AIC,）,施瓦茨准则,（,Schwarz criterion,，,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,SC,值时才在原模型中增加该解释变量,。,地区城镇居民消费模型（,k=2,）,二、方程的显著性检验,(F,检验,),Testing the Overall Significance of a Multiple Regression (the F test),1,、假设检验（,Hypothesis Testing,）,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。,2,、方程显著性的,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。,在多元模型中，即检验模型,中的,参数,j,是否显著不为,0,。,F,检验的思想,来自于总离差平方和的分解式,TSS=ESS+RSS,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,可通过该比值的大小对总体线性关系进行推断,。,在原假设,H,0,成立的条件下,，统计量,给定显著性水平,，可得到临界值,F,(,k,n-k-,1,),，由样本求出统计量,F,的数值，通过,F,F,(,k,n-k-,1,),或,F,F,(,k,n-k-,1,),来拒绝或接受原假设,H,0,，以判定原方程,总体上,的线性关系是否显著成立。,地区城镇居民消费模型,伴随概率：拒绝,0,假设，犯错误的概率为,0,3,、,关于拟合优度检验与方程显著性检验关系的讨论,对于一般的实际问题，在,5%,的显著性水平下，,F,统计量的临界值所对应的,R,2,的水平是较低的。所以，不宜过分注重,R,2,值，应注重模型的经济意义；在进行总体显著性检验时，显著性水平应该控制在,5%,以内。,三、变量的显著性检验（,t,检验）,Testing the Significance of Variables (the t test),方程的,总体线性,关系显著,不等于,每个解释变量,对被解释变量的影响都是显著的。,必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。,这一检验是由对变量的,t,检验完成的。,1,、,t,统计量,以,c,ii,表示矩阵,(XX),-1,主对角线上的第,i,个元素,2,、,t,检验,设计原假设与备择假设：,H,1,：,i,0,给定显著性水平,，可得到临界值,t,/2,(,n-k-,1,),，由样本求出统计量,t,的数值，通过,|t|,t,/2,(,n-k-,1,),或,|t|,t,/2,(,n-k-,1,),判断拒绝或不拒绝原假设,H,0,，从而,判定对应的解释变量是否应包括在模型中。,H,0,：,i,=0,（,i=1,2k,）,地区城镇居民消费模型,3,、关于常数项的显著性检验,T,检验同样可以进行。,一般不以,t,检验决定常数项是否保留在模型中，而是从经济意义方面分析回归线是否应该通过原点。,四、参数的置信区间,Confidence Interval of Parameter,1,、区间估计,回归分析希望通过样本得到的参数估计量能够代替总体参数。,假设检验,可以通过一次抽样的结果检验总体参数可能的假设值的范围（例如是否为零），但它并没有指出在一次抽样中样本参数值到底离总体参数的真值有多,“,近,”,。,要判断样本参数的估计值在多大程度上,“,近似,”,地替代总体参数的真值，需要通过构造一个以样本参数的估计值为中心的,“,区间,”,，来考察它以多大的可能性（概率）包含着真实的参数值。这种方法就是参数检验的,置信区间估计,。,如果存在这样一个区间，称之为,置信区间,；,1-,称为,置信系数（置信度）（,confidence coefficient,）,，,称为,显著性水平,；置信区间的端点称为,置信限（,confidence limit,）,。,2,、参数的置信区间,在,(1-,),的置信水平下,例题中,，给定显著性水平,=5%,，参数,1,和,2,的置信区间分别为,(0.3685, 0.6045 ),和,(0.3882, 0.8153),。,如何陈述模型估计结果？,城镇居民工资收入的边际消费倾向为,0.4865,。,错！,城镇居民工资收入的边际消费倾向以,95%,的概率处于,(0.3685, 0.6045 ),的区间中。,正确！,3,、如何才能缩小置信区间？,增大样本容量,n,，因为在同样的样本容量下，,n,越大，,t,分布表中的临界值越小，同时，增大样本容量，还可使样本参数估计量的标准差减小。,提高模型的拟合优度,，因为样本参数估计量的标准差与残差平方和呈正比，模型优度越高，残差平方和应越小。,提高样本观测值的分散度,一般情况下，样本观测值越分散,，,(XX),-1,的分母的,|XX|,的值越大，致使区间缩小。,
展开阅读全文