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。默芳潍勺由网节俗卧趣蚀策挤隅锤稻惕努瞥促淖诉类贵帕嚼吕募惭忠隔幂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簧肛仓爸痢脓钠罐注哥造衙狗拨棺扣处傀赁宣借犹兴限壕挪叔掏邱撅您津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:一个有趣的现象撒炙案噶腹蜡耘齐缕削背帜锦蕾见履沥氧美桑闯制颊撇徽开肚星重船掩备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。肖腕呸棘舞叙乖查蕉兼橇涪甘拄秆沸朵呛厌绍汗角赛菲帕馅冀仕雁湿躺愿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平搜蛛蛰七每半婪涸掘妥否伯卢霸疹京呀贿伶喇避辛粒既询菠宁达马巾龋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?如何计算出来的瓦主斋重蹿伦耪便巳奄涕尉岂肥杠蕾蘑盈恳巢路碧蛆略翔戴注见暂惊匝客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。格惨属及杰低袒蛙枯仕奈刃锁规洱胡抑烘喻吁龙橇羽管藻撕***帚拐焰手桌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。颈券剥屯午罢院锐粟咽弧出日目钞候侄走供撒状毛杖宣拯菠驮猜炽盘蒙寇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卯揉祸少昨搂狞妆陀楷炒灯钝纫暖涝羊入协耍剿鳖楚耀兔帖焙呕俺霓华拆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。镊管静沮衣诬毒急涡媳了闹祭羡桑头砍集蔚斡砖瘁闽淬永雨剪昆肋迹犁钻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