计量经济学 第三章 模型检验
计量经济学 第三章
3-2．答：变量非线性、系数线性；变量、系数均线性；变量、系数均 线性；变量线性、系数非线性；变量、系数均为非线性；变量、系数均 为非线性；变量、系数均为线性。 3-3．答：多元线性回归模型与一元线性回归模型的区别表现在如下几 方面：一是解释变量的个数不同；二是模型的经典假设不同，多元线性 回归模型比一元线性回归模型多了“解释变量之间不存在线性相关关
方和较大，但相对来说其AIC值最低，所以我们选择该模型为最优的模
型。
（4）随着收入的增加，我们预期住房需要会随之增加。所以可以预
期β3>0，事实上其估计值确是大于零的。同样地，随着人口的增加，
住房需求也会随之增加，所以我们预期β4>0，事实其估计值也是如
此。随着房屋价格的上升，我们预期对住房的需求人数减少，即我们预
其中：——某天慢跑者的人数 ——该天降雨的英寸数 ——该天日照的小时数 ——该天的最高温度（按华氏温度） ——第二天需交学期论文的班级数Байду номын сангаас
请回答下列问题：（1）这两个方程你认为哪个更合理些，为什么？ （2）为什么用相同的数据去估计相同变量的系数得
到不同的符号？ 3-18．对下列模型： （1）
（2） 求出β的最小二乘估计值；并将结果与下面的三变量回归方程的最小二 乘估计值作比较：
（1） 检验模型A中的每一个回归系数在10%水平下是否为零（括 号中的值为双边备择p-值）。根据检验结果，你认为应该把 变量保留在模型中还是去掉？
（2） 在模型A中，在10%水平下检验联合假设H0：i =0(i=1,5,6,7)。说明被择假设，计算检验统计值，说明其 在零假设条件下的分布，拒绝或接受零假设的标准。说明你 的结论。
（3） ，你认为哪一个估计值更好？ 3-19．假定以校园内食堂每天卖出的盒饭数量作为被解释变量，盒饭 价格、气温、附近餐厅的盒饭价格、学校当日的学生数量（单位：千 人）作为解释变量，进行回归分析；假设不管是否有假期，食堂都营 业。不幸的是，食堂内的计算机被一次病毒侵犯，所有的存储丢失，无 法恢复，你不能说出独立变量分别代表着哪一项！下面是回归结果（括 号内为标准差）：
第三章多元线性回归模型(计量经济学,南京审计学院)
Yˆ 116.7 0.112X 0.739P
R2 0.99
(9.6) (0.003) (0.114)
Y和X的计量单位为10亿美元 (按1972不变价格计算).
P
食品价格平减指数 总消费支出价格平减指数
100，（1972
100）
3
多元线性回归模型中斜率系数的含义
上例中斜率系数的含义说明如下： 价格不变的情况下，个人可支配收入每上升10
c (X X )1 X D
从而将 的任意线性无偏估计量 * 与OLS估计量 ˆ 联系
起来。
28
cX I
由
可推出：
(X X )1 X X DX I
即 I DX I
因而有 D X 0
cc (X X )1 X D (X X )1 X D ( X X )1 X D X ( X X )1 D
第三章 多元线性回归模型
简单线性回归模型的推广
1
第一节 多元线性回归模型的概念
在许多实际问题中，我们所研究的因变量的变动 可能不仅与一个解释变量有关。因此，有必要考虑线 性模型的更一般形式，即多元线性回归模型：
Yt β0 β1X1t β2 X 2t ... βk X kt ut t=1,2,…,n
Yt
ˆ0
βˆ 1
X
1t
... βˆ K X Kt
2
为最小，则应有：
S
S
S
ˆ0 0, ˆ1 0, ..., ˆ K 0
我们得到如下K+1个方程（即正规方程）：
13
β0 n
β1 X1t ...... β K X Kt Yt
β 0 X 1t β1 X 1t 2 ...... β K X 1t X Kt X 1tYt
《计量经济学》第3章数据
《计量经济学》各章数据第3章 多元线性回归模型例3.1.1 经过研究，发现家庭书刊消费水平受家庭收入及户主受教育年数的影响。
现对某地区的家庭进行抽样调查，得到样本数据如表3.1.1所示，其中y 表示家庭书刊消费水平(元/年)，x 表示家庭收入(元／月)，T 表示户主受教育年数。
下面我们估计家庭书刊消费水平同家庭收入、户主受教育年数之间的线性关系。
回归模型设定如下： t t t t u T b x b b y +++=210(t =1,2, …)表3.1.1 某地区家庭书刊消费水平及影响因素的调查数据表例3.4.1根据表3.4.1给出的中国1980-2003年间总产出(用国内生产总值GDP度量，单位：亿元)，劳动投入L(用从业人员度量，单位为万人)，以及资本投入K(用全社会固定投资度量，单位：亿元)，试建立我国的柯布——道格拉斯生产函数。
表3.4.1 1980-2003年中国GDP、劳动投入与资本投入数据例3.4.2 某硫酸厂生产的硫酸透明度一直达不到优质要求，经分析透明度低与硫酸中金属杂质的含量太高有关。
影响透明度的主要金属杂质是铁、钙、铅、镁等。
通过正交试验的方法发现铁是影响硫酸透明度的最主要原因。
测量了47组样本值，数据见表3.4.3。
试建立硫酸透明度(y)与铁杂质含量(x)的回归模型。
表3.4.3 硫酸透明度(y)与铁杂质含量(x)数据例3.4.3假设某企业在15年中每年的产量Y(件)和总成本X(元)的统计资料表3.4.7所示，试估计该企业的总成本函数模型。
表3.4.7 某企业15年中每年总产量与总成本统计资料3.6.1 案例1——中国经济增长影响因素分析根据表3.6.1给出的1980-2003年间总产出(用国内生产总值GDP度量，单位：亿元)，最终消费CS(单位：亿元)，投资总额I(用固定资产投资总额度量，单位：亿元)，出口总额（单位：亿元）统计数据，试对中国经济增长影响因素进行回归分析。
计量经济学第二版第三章课后习题答案
（1）设家庭书刊消费的计量经济模型是如下：i i i iT X Y μβββ+++=321Y 为家庭书刊年消费支出、X 为家庭月平均收入、T 为户主受教育年数 （2）根据样本数据估计模型的参数，结果：i iT Xi Y 37031.5208645.00164.50++-=∧（） （） （）t=R 2=0.951235 944732.02=R F=(3) 检验户主受教育年数对家庭书刊消费是否有显著影响:由估计检验结果, 户主受教育年数参数对应的t 统计量为, 大于t 的临界值0.025(183) 2.131t -=，户主受教育年数参数所对应的P 值为，小于0.05α=，可判断户主受教育年数对家庭书刊消费支出有显著影响。
（4）本模型说明家庭月平均收入和户主受教育年数对家庭书刊消费支出有显著影响，家庭月平均收入增加1元，家庭书刊年消费支出将增加元，户主受教育年数增加1年，家庭书刊年消费支出将增加元。
（1）设回归模型为：t t t t X X Y μβββ+++=33221对模型参数进行估计，根据回归结果得：t t t X X Y 32480675.1393115.1105975.7+-=t=R 2=0.872759 847311.02=R F= SE= DW=模型估计表明：在预期通货膨胀率不变的情况下，失业率每增长1个百分点，实际通货膨胀率平均降低个百分点；在失业率不变的情况下，预期通货膨胀率每增长1个百分点，实际通货膨胀率平均增长个百分点。
这与理论分析和经验判断一致。
（2）统计检验t 检验:给定显著性水平0.05α=，查表得0.025(10) 2.228t =，与123ˆˆˆβββ、、对应的t 统计量分别为、、，其绝对值均大于0.025(10) 2.228t =，说明应拒绝原假设0j H 0(j 1,2,3)β==：。
在其他解释变量不变的情况下，“失业率”和“预期通货膨胀率”分别对被解释变量“实际通货膨胀率”有显著影响。
计量经济学 第3章 双变量模型：假设检验
假设检验的前提是什么？
本章框图 一、古典假设
回归结果好坏？ 三、高斯马尔科夫定理
二、估计量的分布问题
四、 假设 检验
七、正态性检验
方法 统计量 显著性
结论
五、拟合优度 六、预测
一、OLS估计需要的基本假设有哪些？
一、OLS估计需要的基本假设有哪些？
一、OLS估计需要的基本假设有哪些
一、OLS估计需要的基本假设有哪些？
十三、案例2股票价格和利率
理论和假说 变量选择 数据6-13 散点图 估计和结果 结论的经济意义
十四、案例3房价和贷款利率
理论和假说 变量选择 数据6-6 散点图 估计和结果 结论的经济意义
十五、案例4古董和拍卖价格
理论和假说 变量选择 数据6-14 散点图 估计和结果 结论的经济意义
第3章 双变量模型：模型检验
引子、样本回归参数的估计问题
引子、样本回归参数的估计问题
结论：
样本回归系数随样本变化。 样本回归系数是随机变量，如何描述？ 样本回归系数和总体回归参数是什么关系 基于什么条件下，利用最小二乘估计的得
到的样本回归系数可以用来作为总体回归 参数的估计？ 根据什么说明：总体回归函数的模型设定 是正确的。
习题讨论
习题讨论
习题讨论
习题讨论
习题讨论
习题讨论
习题讨论
五、显著性检验方法的原理是什么
五、显著性检验方法的原理是什么
五、显著性检验方法的原理是什么
五、显著性检验方法的原理是什么
六、样本回归函数拟合数据好坏的标准是什么？
六、样本回归函数拟合数据好坏的标准是什么？
六、样本回归函数拟合数据好坏的标准是什么？
七、判决系数的性质有哪些？
计量经济学(庞浩)第三章-多元线性回归模型(1)
矩阵X的秩为K(注意X为n行K列)。
Ran(X)= k
Rak(X'X)=k
即 (X'X) 可逆 假定6:正态性假定
ui ~ N (0, 2 )
u ~ N (0, 2I)
12
第二节 多元线性回归模型的估计
一、普通最小二乘法（OLS）
原则：寻求剩余平方和最小的参数估计式 min : ei2 (Yi Yˆi )2
1
X 22
Xk
2
2
u2
Yn
1 X 2n
X
kn
k
un
Y
X
βu
n 1
nk
k 1 n1
9
9
矩阵表示方式
总体回归函数 E(Y) = Xβ 或 Y = Xβ + u
样本回归函数 Yˆ = Xβˆ 或 Y = Xβˆ + e
其中： Y,Yˆ,u,e 都是有n个元素的列向量
β, βˆ 是有k 个 元素的列向量
多重可决系数：在多元回归模型中，由各个解释
变量联合起来解释了的Y的变差，在Y的总变差中占
的比重，用 R2表示 与简单线性回归中可决系数 r的2 区别只是 不Yˆi 同
多元回归中
Yˆi ˆ1 ˆ2 X2i ˆ3 X3i ˆk Xki
多重可决系数可表示为
R2 ESS TSS
(Yˆi Y )2 (Yi Y )2
0
2
X 2i
Yi
(ˆ1
ˆ2
X 2i
ˆ3
X 3i
ˆki
X ki )
0
(i 1, 2, n)
( j 1, 2, n)
ei 0
X2iei 0
2
计量经济学庞皓课件(第三章 多元线性回归模型)
怎样分析多种因素的影响？
分析中国汽车行业未来的趋势,应具体分析这样一些问题： 中国汽车市场发展的状况如何？（用销售量观测） 影响中国汽车销量的主要因素是什么？
（如收入、价格、费用、道路状况、能源、政策环境等）
各种因素对汽车销量影响的性质怎样？（正、负） 各种因素影响汽车销量的具体数量关系是什么？ 所得到的数量结论是否可靠？ 中国汽车行业今后的发展前景怎样？应当如何制定汽车的 产业政策？ 很明显，只用一个解释变量已很难分析汽车产业的发展, 还需要寻求有更多个解释变量情况的回归分析方法。
ˆk
k
c jj
~
N (0,1)
21 21
2 未知时βˆ 的标准化变换
因 2 是未知的， 可用 ˆ 2 代替 2 去估计参数的
标准误差:
●
当为大样本时，用估计的参数标准误差对
^
β
作
标准化变换，所得 Z 统计量仍可视为服从正态分
布
●当为小样本时，用估计的参数标准误差对 βˆ 作标 准化变换，所得的 t 统计量服从 t 分布：
( X X )1 X 2 IX ( X X )1
2 ( X X )1
注意
βˆ 是向量
(i 1, 2,L ( j 1, 2,L
n) n)
(由无偏性)
(由OLS估计式)
(由同方差性)
其中：
ˆ ( X X )1 X Y ( X X )1 X ( Xβ + u) β ( X X )1 X u
0
两边左乘 X
X Y = X Xβˆ + X e
根据最小二乘原则 则正规方程为
Xe = 0
X Xβˆ = X Y
14
OLS估计式
计量经济学第三章-回归模型的扩展
第二节 自相关性
一Байду номын сангаас自相关性的概念及其产生原因：
1.定义：随机误差项的各期值之间存在相关性 COV(t, s)0, ts
例：投资函数、生产函数
2.产生原因： 1)模型遗漏了自相关的解释变量； 2)模型函数形式的设定误差； 3)经济惯性； 4)随机因素影响； （注：自相关性更易产生于时序数据）
原理：辅助回归检验 命令：View\ResidualTest \SerialCorrelation LM
Test
四、自相关性的修正方法
1.利用广义差分变换消除自相关性：
步骤： 实质：GLS估计
2.的估计方法：
1）近似估计； 2）迭代估计；
3.Eviews软件的实现：
1）检验自相关性的阶数； 2）在LS命令中增加AR项；
二、异方差的影响
1.OLS估计不再是最佳估计量； 2.T检验可靠性降低； 3.增大预测误差； 三、异方差的检验 ★1.图形分析： (1)观察Y、X相关图：SCAT Y X (2)残差分析:观察回归方程的残差图
在方程窗口直接点击Residual按钮； 或：点击View\Actual,Fitted,Residual\Table
1. 调整季节波动
y a bx 1D1 2D2 3D3
2. 检验模型结构的稳定性（P141）
y a bx D XD
3. 混合回归
例8．教材P132
第五节 滞后变量模型
一、滞后效应与滞后变量的作用 1、产生滞后效应的原因：
1)心理因素：消费习惯、消费心理（如价格、利率） 2)技术原因：农民收入、农产品价格、天气条件 3)制度原因：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
为什么要进行统计检验
回归分析是要通过样本所估计的参数来代替总体的真
实参数，或者说是用样本回归线代替总体回归线。
尽管从统计性质上已知，如果有足够多的重复 抽样，
参数的估计值的期望（均值）就等于其总体的参数真 值，但在一次抽样中，估计值不一定就等于该真值。 那么，在一次抽样中，参数的估计值与真值的差异 有多大，是否显著，这就需要进一步进行统计检验。
例子：Eviews中的计算
（4）参数的的置信区间检验
感谢下 载
可编辑
以一元回归为例：
（1）回归分析是要判断解释变量X是否是被解释 变量Y的一个显著性的影响因素。 在一元线性模型中，就是要判断X是否 对Y具有显著的线性性影响。这就需要进行变 量的显著性检验。
（2）变量的显著性检验所应用的方法是数理统 计学中的假设检验。 计量经计学中，主要是针对变量的参 数真值是否为零来进行显著性检验的。
还有的计量论文是为了验证一些经济理论是否 正确的，此时的经济检验就要另当别论了。
但对于我们来说，经济检验必须通过，只有通 过了经济检验，才能进行下一步的统计检验。
2、统计检验
（1）模型的拟合优度检验——判定系数R2 （2）模型的显著性检验——F检验 （3）解释变量的显著性检验——t检验 （4）参数的的置信区间检验
判定系数检验只能说明模型对样本数据的近似 情况，但是建立计量经济模型的目的是为了描 述总体的经济关系。所谓模型的显著性检验， 就是检验模型对总体的近似程度，而且最常用 的检验方法是F检验。
F检验基本思想
对于多元线性回归模型： yi=b0+b1x1i+b2x2i+…+bkxki+єi
假设H0: b1=b2=…=bk=0 若假设成立，则意味着：
这是因为虽然OLS保证了残差的平方和最小， 但无论对于什么的数据都可以使用OLS求得回 归方程，可这些回归方程也许没有意义，比如 下面的三个拟合图形：
启示：
上述三个图形中，第二个图形的拟合程度最好， 反映在数据几乎都集中在拟合直线的附近。这 也就是说，如果对于一条拟合的直线（曲线）， 数据越集中于拟合直线（曲线），拟合的程度 越好（拟合优度越好）。怎样通过一个统计数 值来反映这种集中程度呢？
的，否则模型的线性关系不显著。
例子：Eviews中的计算
（3）解释变量的显著性检验—— t检验
如果模型既有很大的判定系数，也通过了模型 的显著性检验，为什么还要进行解释变量的显 著性t检验呢？
这是因为，如果模型通过了F检验，则表明模 型中所有解释变量对被解释变量的“总影响” 是显著的，但这并不同时意味着模型中的每一 个将诶是变量对y都有重要影响，或者说并不 是每个解释变量的单独影响都是显著。
在设定计量经济模型的时候，我们往往根据经 验理论和对所研究系统的经验认识，尽量找出 被解释变量的所有影响因素，这些初步选定的 影响因素中间很可能就有一些实际上并不重要
或其影响可以由其他变量代替的变量。为了使 模型更加简单、合理，应该提出这些不重要的 变量，使模型中只保留有显著影响的变量。剔 除不显著的解释变量的方法，就是解释变量的 显著性检验——t检验。
第三章 模型检验
1、经济检验 2、统计检验 3、计量检验 4、模型预测检验
1、经济检验
经济检验是模型检验第一个重要检验，因为经验模型 的建立，本质就是检验理论模型对现实问题的解释能 力。已经被广泛使用的正确的经济理论隐含着对回归 模型系数的要求，比如凯恩斯消费函数必须MPC处于 0~1之间，生产函数的边际成本递增等等，因此，建 立的计量经济模型是否符合要求必须符合理论模型。 这也是大部分设计到计量的经济学论文，首先都要建 立一个理论模型，这既有利于建立计量经济模型，也 有利于验证计量经济模型是否正确的依据。
主要包括拟合优度检验、模型的显著性检验、变量 的显著性检验及参数的区间估计。
一、拟合优度检验
拟合优度检验：对样本回归直线与样本观测值之 间拟合程度的检验。 度量拟合优度的指标：判定系数（可决系数）
R2
问题：采用普通最小二乘估计方法，已经保证 了模型最好地拟合了样本观测值，为什么还要 检验拟合程度？
计量经济学家发现，越是拟合好的直线，回归 平方和越大、误差平方和越小。用图表示：
目标：越靠近越好！
注意字母的写法性检验——F检 验
为什么拟合优度已经很好地描述了数据对模型 的精确程度，还要进行模型的显著性检验—— F检验呢？
经济检验的种类：
A、系数的符号 B、系数的大小 C、相互关系
还有些属于隐含的经济理论要求，这些比较难 以直接从回归的系数中得到检验，学习计量经 济学必须对经济理论有很好的把握。比如，消 费函数中，MPC<APC的要求等。
应该指出的是，不是所有的应用计量经济学论 文都必须要先建立一个理论模型的，有些现实 问题可能不能直接用一些经典理论来说明，也 有可能这种理论根本不存在，这时候，就可以 完全通过计量分析建立模型，说明现实问题了。
yi=a+ єi 表明y的变换主要由模型之外的变量来决定，
模型的线性关系不显著，所设定的模型没有意 义。
F检验统计量
在原假设H0成立的情况下，可以证明：
所以，对于给定的显著性水平a，可由F分布表查处临界 值Fa（注意是单侧检验），如果根据样本数据计算得 出： F>Fa
则拒绝原假设H0，即回归系数b1,b2,….,bk中至少有一个 显著地不为0，此时可以认为模型的线性关系式显著