计量经济学多元线性回归分析eviews6操作.ppt

年份 国防预算支出 GNP 美国军事销售、援助 太空工业销售 100000人及以上的冲突 1962 51.1 560.3 0.6 16 0 1963 52.3 590.5 0.9 16.4 0 1964 53.6 632.4 1.1 16.7 0 1965 49.6 684.9 1.4 17 1 1966 56.8 749.9 1.6 20.2 1 1967 70.1 793.9 1 23.4 1 1968 80.5 865 0.8 25.6 1 1969 81.2 931.4 1.5 24.6 1 1970 80.3 992.7 1 24.8 1 1971 77.7 1077.6 1.5 21.7 1 1972 78.3 1185.9 2.95 21.5 1 1973 74.5 1326.4 4.8 24.3 0 1974 77.8 1434.2 10.3 26.8 0 1975 85.6 1549.2 16 29.5 0 1976 89.4 1718 14.7 30.4 0 1977 97.5 1918.3 8.3 33.3 0 1978 105.2 2163.9 11 38 0 1979 117.7 2417.8 13 46.2 0 1980 135.9 2633.1 15.3 57.6 0 1981 162.1 2937.7 18 68.9 0 * 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为残差平方和的自由度，n-1为总体平方和的自由度。 *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: 赤池信息准则（Akaike information criterion, AIC） 施瓦茨准则（Schwarz criterion，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。 Eviews的估计结果显示： 中国居民消费一元例中： AIC=9. 93 AC=10.03 中国居民消费二元例中： AIC=9.52 AC=9.67 从这点看，可以说前期人均居民消费CONSP(-1)应包括在模型中。 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=?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： ?1=?2= ? =?k=0 H1： ?j不全为0 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。 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 -1, n-k)的F分布 给定显著性水平?，可得到临界值F?(k-1,n-k)，由样本求出统计量F的数值，通过 F? F?(k-1,n-k) 或 F?F?(k-1,n-k) 来拒绝或接受原假设H0，以判定原方程总体上的线性关系是否显著成立。 对于中国居民人均消费支出的例子： 一元模型：F=2857.633 二元模型：F=2055.88 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-1,n-k) 即二个模型的线性关系在95%的水平下显著成立。 2、关于拟合优度检验与方程显著性检验关系的讨论 由 可推出： 与 在中国居民人均收入-消费一元模型中， 在中国居民人均收入-消费二元模型中， 三、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 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 t 检验完成的。 1、t统计量 由于