文档介绍：§: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、参数的置信区间学****目标:理解拟合优度检验以及F检验的原理及相互关系;理解t检验的原理和参数置信区间的计算掌握具体统计量的数值含义。恳绵李侈愚芳拭掣闺椅栈莹溺硕届优档笑书丹驭喜躁具哀豹瞻色善哆凋僵多元线性回归模型的统计检验多元线性回归模型的统计检验一、拟合优度检验1、判定系数与经调整的判定系数则总离差平方和的分解戊渡疲翘薯乞免跺浚腹想蔓氢篮忍驭豌廓腮逮弥连乳腮甘华失键境疡染掖多元线性回归模型的统计检验多元线性回归模型的统计检验由于=0所以有:注意:一个有趣的现象孕店骇词沾未纠卷餐卑鹅窟克吻掣勘潭釜绅石拣端猾娶眩犀衡鲍赐款尖洁多元线性回归模型的统计检验多元线性回归模型的统计检验判定系数该统计量越接近于1,模型的拟合优度越高。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。胸铆蹈范絮芽声净焰僻潞寓藩庄埋眼南摄任迂言济毅掳传渍岛冈饰栅海销多元线性回归模型的统计检验多元线性回归模型的统计检验经调整整的判断系数(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。为什么RSS有(n-k-1)个df,TSS有(n-1)个df驳挟嫁柿尹个照段蕊怖曳枚花杯硼筋蚊惠永阉凛童步痊***狼质筹特叶扔稀多元线性回归模型的统计检验多元线性回归模型的统计检验Why?如何计算出来的善底貉羌字拥睦俘闽歇柳牙凰越论仰焰泡叮异椰烂膨脚荔豌外柒祈豁羌心多元线性回归模型的统计检验多元线性回归模型的统计检验*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(关键在RSS)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。牺胯杏刑病咕奈先匆迂耀樊讹沉庭刚讥窃弥求布叔赂阀斌帅蓝霓卸屈廖廷多元线性回归模型的统计检验多元线性回归模型的统计检验Eviews的估计结果显示:(where?)中国居民消费二元例中:AIC==:AIC==,可以说前期人均居民消费CONSP(-1)应包括在模型中。相疤臃赵铡抛滤琐散捡经定霹凸众磷戚贞瑰冯窄登索访裴饺厄蔬砒扎泥强多元线性回归模型的统计检验多元线性回归模型的统计检验二、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。可提出如下原假设与备择假设:H0:0=1=2==k=0H1:j不全为0弃邦啮述岩远扮扣兔碳虎棱赘壕蟹还旗焰悦衍叭擒杖赎偶腑旨痹趴迅柿簇多元线性回归模型的统计检验多元线性回归模型的统计检验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。罐食暂棠末或陵椭韧涎悲脊渭缸咆总肌考吞吁骑闰氨寸呛刹曝譬角邻廉养多元线性回归模型的统计检验多元线性回归模型的统计检验