回归模型的检验精选PPT.ppt

关于回归模型的检验第1页，讲稿共65张，创作于星期日3.1 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、拟合优度检验一、拟合优度检验 二、方程的显著性检验二、方程的显著性检验(F(F检验检验)三、变量的显著性检验（三、变量的显著性检验（t t检验）检验）四、参数的置信区间四、参数的置信区间 第2页，讲稿共65张，创作于星期日 一、拟合优度检验一、拟合优度检验 1、可决系数与调整的可决系数、可决系数与调整的可决系数则 总离差平方和的分解总离差平方和的分解第3页，讲稿共65张，创作于星期日 可决系数可决系数该统计量越接近于1，模型的拟合优度越高。问题：问题：由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整需调整。第4页，讲稿共65张，创作于星期日 调整的可决系数调整的可决系数（adjusted coefficient of determination）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。第5页，讲稿共65张，创作于星期日第6页，讲稿共65张，创作于星期日 *2、赤池信息准则和施瓦茨准则、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:赤池信息准则赤池信息准则（Akaike information criterion,AIC）施瓦茨准则施瓦茨准则（Schwarz criterion，SC）这两准则均要求这两准则均要求仅当所增加的解释变量能够减少仅当所增加的解释变量能够减少AICAIC值或值或ACAC值时才在原模型中增加该解释变量值时才在原模型中增加该解释变量。第7页，讲稿共65张，创作于星期日 Eviews的估计结果显示：中国居民消费一元例中：AIC=7.09 AC=7.19 中国居民消费二元例中：AIC=6.68 AC=6.83从这点看，可以说前期人均居民消费CONSP(-1)应包括在模型中。第8页，讲稿共65张，创作于星期日 二、方程的显著性检验二、方程的显著性检验(F检验检验)方程的显著性检验，旨在对模型中被解释变量与解释方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系变量之间的线性关系在总体上在总体上是否显著成立作出推断。是否显著成立作出推断。1、方程显著性的、方程显著性的F检验检验 即检验模型 Yi=0+1X1i+2X2i+kXki+i i=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=0 H1：j不全为0第9页，讲稿共65张，创作于星期日 根据数理统计学中的知识，在原假设H0成立的条件下，统计量 服从自由度为(k,n-k-1)的F分布 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 FF(k,n-k-1)来拒绝或接受原假设H0，以判定原方程总体上总体上的线性关系是否显著成立。第10页，讲稿共65张，创作于星期日对于中国居民人均消费支出的例子：一元模型：F=285.92 二元模型：F=2057.3给定显著性水平=0.05，查分布表，得到临界值：一元例：F(1,21)=4.32 二元例：F(2,19)=3.52显然有 F F(k,n-k-1)即二个模型的线性关系在95%的水平下显著成立。第11页，讲稿共65张，创作于星期日 2、关于拟合优度检验与方程显著性检验关于拟合优度检验与方程显著性检验关系的讨论关系的讨论 由可推出：与或第12页，讲稿共65张，创作于星期日三、变量的显著性检验（三、变量的显著性检验（t检验）检验）方程的总体线性总体线性关系显著 每个解释变量每个解释变量对被解释变量的影响都是显著的 因此，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这一检验是由对变量的 t t 检验完成的。检验完成的。1、t分布分布第13页，讲稿共65张，创作于星期日 2、t检验检验 设计原假设与备择假设：H1：i0 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)来拒绝或接受原假设H0，从而判定对应的解释变量判定对应的解释变量是否应包括在模型中。是否应包括在模型中。H0：i=0 （i=1,2k）第14页，讲稿共65张，创作于星期日注意：注意：一元线性回归中，一元线性回归中，t t检验与检验与F F检验一致检验一致 一方面一方面，t检验与F检验都是对相同的原假设H0：1=0=0 进行检验;另一方面另一方面，两个统计量之间有如下关系：第15页，讲稿共65张，创作于星期日在中中国国居居民民人人均均收收入入-消消费费支支出出二二元元模模型型例中，由应用软件计算出参数的t值：给定显著性水平=0.05，查得相应临界值：t0.025(19)=2.093。可见，计计算算的的所所有有t值值都都大大于于该该临临界界值值，所以拒绝原假设。第16页，讲稿共65张，创作于星期日 四、参数的置信区间四、参数的置信区间 参参数数的的置置信信区区间间用来考察：在在一一次次抽抽样样中中所所估估计计的的参数值离参数的真实值有多参数值离参数的真实值有多“近近”。在变量的显著性检验中已经知道：在变量的显著性检验中已经知道：容易推出容易推出：在(1-)的置信水平下i的置信区间是 其中，t/2为显著性水平为、自由度为n-k-1的临界值。第17页，讲稿共65张，创作于星期日 在中国居民人均收入中国居民人均收入-消费支出消费支出二元模型二元模型例中,给定=0.05，查表得临界值：t0.025(19)=2.093计算得参数的置信区间：0：(44.284,197.116)1：(0.0937,0.3489)2：(0.0951,0.8080)从回归计算中已得到：第18页，讲稿共65张，创作于星期日如何才能缩小置信区间？如何才能缩小置信区间？增大样本容量增大样本容量n n，因为在同样的样本容量下，因为在同样的样本容量下，n n越大，越大，t t分布表中的临界值越小，同时，增大样本容量，还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；可使样本参数估计量的标准差减小；提高模型的拟合优度提高模型的拟合优度，因为样本参数估计量的标准差，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，残差平方和应越与残差平方和呈正比，模型优度越高，残差平方和应越小。小。提高样本观测值的分散度提高样本观测值的分散度,一般情况下，样本观测值越一般情况下，样本观测值越分散分散，(XX)-1的分母的的分母的|XX|的值越大，致使区间缩小。的值越大，致使区间缩小。第19页，讲稿共65张，创作于星期日3.2 回归模型的其他函数形式回归模型的其他函数形式 一、模型的类型与变换一、模型的类型与变换 二、非线性回归实例二、非线性回归实例第20页，讲稿共65张，创作于星期日 在实际经济活动中，经济变量的关系是复杂的，直接表现为线性关系的情况并不多见。如著名的恩格尔曲线恩格尔曲线(Engle curves)表现为幂函数幂函数曲线曲线形式、宏观经济学中的菲利普斯曲线菲利普斯曲线（Pillips cuves）表现为双曲线双曲线形式等。但是，大部分非线性关系又可以通过一些简单的数学处理，使之化为数学上的线性关系，从而可以运用线性回归的方法进行计量经济学方面的处理。第21页，讲稿共65张，创作于星期日 一、模型的类型与变换一、模型的类型与变换 1、倒数模型、多项式模型与变量的直接置换法、倒数模型、多项式模型与变量的直接置换法 例如，例如，描述税收与税率关系的拉弗曲线拉弗曲线：抛物线 s=a+b r+c r2 c0 s：税收；r：税率设X1=r，X2=r2，则原方程变换为 s=a+b X1+c X2 ck。如果出现n2F(n2,n1-k-1)，则拒绝原假设，认为预测期发生了结构变化。第49页，讲稿共65张，创作于星期日 例例3.3.2 中国城镇居民食品人均消费需求的邹氏检验。1、参数稳定性检验、参数稳定性检验19811994：RSS1=0.003240 19952001：(9.96)(7.14)(-5.13)(1.81)19812001:(14.83)(27.26)(-3.24)(-11.17)第50页，讲稿共65张，创作于星期日 给定=5%，查表得临界值F0.05(4,13)=3.18 判断：判断：F值值临界值，拒绝参数稳定的原假设，表明中国临界值，拒绝参数稳定的原假设，表明中国城镇居民食品人均消费需求在城镇居民食品人均消费需求在1994年前后发生了显著变化。年前后发生了显著变化。2、邹氏预测邹氏预测检验检验给定=5%，查表得临界值F0.05(7,10)=3.18判断判断：F值值临界值，拒绝参数稳定的原假设临界值，拒绝参数稳定的原假设 第51页，讲稿共65张，创作于星期日 *四、非线性约束四、非线性约束 也可对模型参数施加非线性约束非线性约束,如对模型施加非线性约束12=1,得到受约束回归模型受约束回归模型:该 模 型 必 需 采 用非非 线线 性性 最最 小小 二二 乘乘 法法（nonlinear least squares）进行估计。非非线线性性约约束束检检验验是建立在最最大大似似然然原原理理基础上的,有最最大大似似然然比比检检验验、沃沃尔尔德德检检验验与拉拉格格朗朗日日乘数检验乘数检验.第52页，讲稿共65张，创作于星期日1、最大似然比检验、最大似然比检验(likelihood ratio test,LR)估计估计:无约束回归模型与受约束回归模型，方法方法:最大似然法，检验检验:两个似然函数的值的差异是否“足够”大。记L(,2)为一似然函数:无约束回归无约束回归:Max:受约束回归受约束回归:Max:或求极值：g():以各约束条件为元素的列向量,：以相应拉格朗日乘数为元素的行向量 约束：g()=0第53页，讲稿共65张，创作于星期日 受约束受约束的函数值不会超过的函数值不会超过无约束无约束的函数值的函数值，但如果约束条件为真约束条件为真，则两个函数值就非常“接近接近”。由此，定义似然比似然比（likelihood ratio）:如果如果比值很小，说明说明两似然函数值差距较大，则应拒拒绝绝约束条件为真的假设；如果如果比值接近于，说明说明两似然函数值很接近，应接接受受约束条件为真的假设。具体检验具体检验时，由于大样本下：h是约束条件的个数。因此：通过通过LR统计量的统计量的 2 2分布特性来进行判断。分布特性来进行判断。第54页，讲稿共65张，创作于星期日 在中国城镇居民人均食品消费需求例中国城镇居民人均食品消费需求例中，对零阶齐零阶齐次性次性的检验：LR=-2(38.57-38.73)=0.32 给出=5%、查得临界值临界值 2 20.05(1)(1)3.84，判断判断：LR 2 20.05(1),(1),不拒绝原约束的假设，不拒绝原约束的假设，表明表明:中国城镇居民对食品的人均消费需求函数中国城镇居民对食品的人均消费需求函数满足零阶齐次性条件满足零阶齐次性条件。第55页，讲稿共65张，创作于星期日 、沃尔德检验、沃尔德检验（Wald test,W）沃尔德检验中，只须估计无约束模型。如对 在所有古典假设都成立的条件下，容易证明 因此，在1+2=1的约束条件下 第56页，讲稿共65张，创作于星期日记 可建立沃尔德统计量沃尔德统计量:如果有h个约束条件，可得到h个统计量z1,z2,zh 约束条件为真时，可建立大样本大样本下的服从自由度为h的渐近 2 分布统计量 其中，Z为以zi为元素的列向量，C是Z的方差-协方差矩阵。因此，W从总体上测量了无约束回归不满足约束条件的程度。从总体上测量了无约束回归不满足约束条件的程度。对对非线性约束非线性约束，沃尔德统计量，沃尔德统计量W的算法描述要复杂得多。的算法描述要复杂得多。第57页，讲稿共65张，创作于星期日 3、拉格朗日乘数检验、拉格朗日乘数检验 拉格朗日乘数检验则只需估计受约束受约束模型.受约束回归是求最大似然法的极值问题:是拉格朗日乘数行向量，衡量各约束条件对最大似然函数值的影响程度。如果某一约束为真，则该约束条件对最大似然函数值的影响很小，于是，相应的拉格朗日乘数的值应接近于零。因此，拉格朗日乘数检验就是检验某些拉格朗日乘数的值是否“足够大”，如果“足够大”，则拒绝约束条件为真的假设。第58页，讲稿共65张，创作于星期日 拉格朗日统计量LM本身是一个关于拉格朗日乘数的复杂的函数，在各约束条件为真的情况下，服从一自由度恰为约束条件个数的渐近2分布。n为样本容量，R2为如下被称为辅助回归辅助回归（auxiliary regression）的可决系数:如果约束是非线性的，辅助回归方程的估计比较复杂，但仍可按（*）式计算LM统计量的值。最后，一般地有最后，一般地有:LMLRW 同样地，如果为线性约束，LM服从一精确的2分布：(*)第59页，讲稿共65张，创作于星期日3.4 3.4 多元线性回归模型的预测多元线性回归模型的预测 一、一、E(Y0)的置信区间的置信区间 二、二、Y0的置信区间的置信区间第60页，讲稿共65张，创作于星期日一、一、E(Y0)的置信区间的置信区间第61页，讲稿共65张，创作于星期日于是，得到(1-)的置信水平下E(Y0)的置信区间置信区间：其中，t/2为(1-)的置信水平下的临界值临界值。第62页，讲稿共65张，创作于星期日二、二、Y0的置信区间的置信区间第63页，讲稿共65张，创作于星期日如何根据置如何根据置信区间正确信区间正确地陈述预测地陈述预测结果？结果？第64页，讲稿共65张，创作于星期日感谢大家观看第65页，讲稿共65张，创作于星期日