多元線性回歸模型的統(tǒng)計(jì)檢驗(yàn)方法-wenkub
2023-01-27 11:17:15 本頁面
【正文】 0)?( ?????? 矩條件在大樣本下成立，只有 1個(gè)樣本時(shí)肯定不成立，在樣本足夠大時(shí)近似成立 ? 理解教材中關(guān)于 TSS=RSS+ESS的推導(dǎo)過程 擬合優(yōu)度檢驗(yàn)統(tǒng)計(jì)量： 可決系數(shù) r2和調(diào)整后的可決系數(shù) R2 ? 可決系數(shù) r2 模型與樣本觀測(cè)值完全擬合時(shí)， r2=1。 多元線性回歸模型的統(tǒng)計(jì)檢驗(yàn) Statistical Test of Multiple Linear Regression Model 一、擬合優(yōu)度檢驗(yàn) 二、方程顯著性檢驗(yàn) 三、變量顯著性檢驗(yàn) 說 明 ? 由計(jì)量經(jīng)濟(jì)模型的數(shù)理統(tǒng)計(jì)理論要求的 ? 以多元線性模型為例 ? 將參數(shù)估計(jì)量和預(yù)測(cè)值的區(qū)間檢驗(yàn)單獨(dú)列為一節(jié)，在一些教科書中也將它們放在統(tǒng)計(jì)檢驗(yàn)中 ? 包含擬合優(yōu)度檢驗(yàn)、總體顯著性檢驗(yàn)、變量顯著性檢驗(yàn)、偏回歸系數(shù)約束檢驗(yàn)、模型對(duì)時(shí)間或截面?zhèn)€體的穩(wěn)定性檢驗(yàn)等 一、擬合優(yōu)度檢驗(yàn) Testing the Simulation Level 概念 ? 檢驗(yàn)?zāi)Ｐ蛯?duì)樣本觀測(cè)值的擬合程度。 ? 通過構(gòu)造一個(gè)可以表征擬合程度的 統(tǒng)計(jì)量 來實(shí)現(xiàn)。 該統(tǒng)計(jì)量越接近于 1，模型的擬合優(yōu)度越高。 ? 假設(shè)檢驗(yàn)的基本思想是概率性質(zhì)的反證法。它們的區(qū)別在于構(gòu)造的統(tǒng)計(jì)量不同，即設(shè)計(jì)的“事件”不同。 因此 ,可通過該比值的大小對(duì)總體線性關(guān)系進(jìn)行推斷 。 給定一個(gè)顯著性水平 ? ，可得到一個(gè)臨界值 F k n k?( , )? ? 1 ，根據(jù)樣本在求出 F 統(tǒng)計(jì)量的數(shù)值后，可通過 F ＞ F k n k?( , )? ? 1 或 F ? F k n k?( , )? ? 1來拒絕或接受原假設(shè) H0。亦即：檢驗(yàn)原假設(shè) Hk0 1 20 0 0: , , ,? ? ?? ? ?? ，等價(jià)于檢驗(yàn) r2＝０這一虛擬假設(shè)。 三、變量顯著性檢驗(yàn) Testing the Individual Significance 變量顯著性檢驗(yàn) ? 對(duì)于多元線性回歸模型 ， 方程的總體線性關(guān)系是顯著的 ， 并不能說明每個(gè)解釋變量對(duì)被解釋變量的影響都是顯著的 。 它們的區(qū)別在于構(gòu)造的統(tǒng)計(jì)量不同 。? 在消費(fèi)模型中， tc=,tgdp=,tcons(1)= 給定 α=, 查得 (13)=，所以所有變量都在 。 03:45:5503:45:5503:451/24/2023 3:45:55 AM ? 1以我獨(dú)沈久，愧君相見頻。 2023年 1月 24日星期二 上午 3時(shí) 45分 55秒 03:45: ? 1比不了得就不比，得不到的就不要。 上午 3時(shí) 45分 55秒 上午 3時(shí) 45分 03:45: ? 沒有失敗，只有暫時(shí)停止成功！。 03:45:5503:45:5503:45Tuesday, January 24, 2023 ? 1不知香積寺，數(shù)里入云峰。 2023年 1月 上午 3時(shí) 45分 :45January 24, 2023 ? 1少年十五二十時(shí)，步行奪得胡馬騎。 03:45:5503:45:5503:451/24/2023 3:45:55 AM ? 1越是沒有本領(lǐng)的就越加自命不凡。 :45:5503:45:55January 24, 2023 ? 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 上午 3時(shí) 45分 55秒 上午 3時(shí) 45分 03:45: MOMODA POWERPOINT Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce id urna blandit, eleifend nulla ac, fringilla purus. Nulla iaculis tempor felis ut cursus. 感
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1