计量经济学中的各种检验培训资料.ppt

拟合优度检验和F检验的关系 F检验和拟合优度检验都是把总变差TSS分解为回归平方和与残差平方和，并在这一分解的基础上构造统计量进行的检验。区别在于前者有精确的分布而后者没有。一般来说，模型对观测值的拟合程度越高，模型总体线性关系的显著性越强。 拟合优度检验和F检验的关系 F显著==拟合优度必然显著 拟合优度检验和F检验的关系 反过来有 可以看出，随着决定系数和修正的决定系数的增加，F统计量的值也不断增大；反过来也是如此。这说明二者之间具有一致性。但是，决定系数和修正的决定系数只能提供一个模糊的推测，它们的值要达到多少才算模型通过了检验并没有确定的界限；而F检验则不同，它可以在给定显著性水平下，给出统计意义上严格的结论。 拟合优度检验和F检验的关系 回归参数的显著性检验 模型通过F检验，可以说明模型中所有解释变量对被解释变量的“总体影响”是显著的，但并不意味着模型中的每一个解释变量对被解释变量都有重要的影响，或者说，并不说明每个解释变量的单独影响都是显著的。 要确定每一个解释变量对被解释变量的具体影响是否显著，需要进行单个回归系数的显著性检验即t检验。 变量的显著性检验（t检验） 方程的总体线性关系显著?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。 检验目的：回归模型中是否存在线性关系？这种关系是显著的吗？ t检验 回归参数的t检验 回归参数的t检验 一元线性回归中，t检验与F检验一致 一方面，t检验与F检验都是对相同的原假设H0：?1=0 进行检验; 另一方面，两个统计量之间有如下关系： 正态性检验：Jarque-Bera检验 统计检验过程是建立在假设随机误差项服从正态分布的基础上的。由于不能直接观察真实的误差项，但能够得到其近似值即残差，因此可通过对残差的研究来研究误差项的正态性。 一种常用的正态性检验方法是Jarque-Bera (雅克－贝拉)检验，简称JB检验。 许多统计软件可以实现这一检验，Eviews也可以实现。 正态性检验：Jarque-Bera检验 正态性检验：Jarque-Bera检验 正态性检验：Jarque-Bera检验 在Eviews中的实现 选择并打开要检验的变量，点击descriptive stats/common sample项，得到的结果中即包含JB统计量。 P值将近0，表明序列不服从正态分布。 检验回归的函数形式:MWD检验 选择线性回归模型或对数线性回归模型是经验分析中由来已久的一个问题。 麦金农(MacKinnon)、怀持(white)和戴维森(Davidson)提出一种检验方法，可用于在两个模型之间进行选择，简称为MWD检验。 检验回归的函数形式:MWD检验 检验回归的函数形式:MWD检验 检验回归的函数形式:MWD检验 MWD检验虽然看似复杂，其实这个检验的逻辑很简单。如果线性模型是事实上正确的模型，第4步的构造变量就不会是统计上显著的，因为这时从线性模型估计来的y值和从对数线性模型估计出来的(为了比较而取反对数之后的)就不会有什么差别，同样的评语也适用于对立假设Hl。 * * 计量经济学 线性回归模型的各种检验 计量经济学线性回归模型的各种检验 对计量经济学模型的检验包括对回归模型的理论检验（经济意义检验）、统计检验、计量经济学检验、预测检验等。 理论检验（经济意义检验）指的是依据经济理论来判断估计参数的正负号是否合理、大小是否适当。 经济意义检验是第一位的。如果模型不能够通过经济意义检验，则必须找出原因，在找出原因的基础上对模型进行修正或重新估计模型。如果通过了经济意义检验，则可进行下一步的统计检验。 线性回归模型的各种检验 理论检验（经济意义检验） 统计检验 计量经济学检验 预测检验 这一节主要讨论各种统计检验 回归模型的统计检验 统计检验指的是根据统计学的理论，确定回归参数估计值的统计可靠性。 统计检验主要包括：回归方程估计标准误差的评价、拟合优度检验、回归模型的总体显著性检验和回归系数的显著性检验等。 这里主要讨论拟合优度检验、回归模型的总体显著性检验、回归系数的显著性检验等。 回归模型的统计检验 拟合优度检验 回归模型的总体显著性检验 回归系数的显著性检验 正态性检验 检验回归的函数形式:MWD检验 假设检验三联体 模型的结构稳定性检验 缺失变量检验和多余变量检验 拟合优度检验 要说明多元回归模型对观测值的拟合情况，可以考察在Y的总变差中能够由解释变量解释的那部分变差的比重，即回归平方和与总离差平方和的比值。这一比值就称为多重决定系数，它一般用　表示。 总平方和、回归平方和、残差平方和 总平方和、回归平方和、残差平方和 TSS即总离差平方和，它度