計(jì)量經(jīng)濟(jì)學(xué) 第三章 模型檢驗(yàn)

第三章模型檢驗(yàn)1、經(jīng)濟(jì)檢驗(yàn)2、統(tǒng)計(jì)檢驗(yàn)3、計(jì)量檢驗(yàn)4、模型預(yù)測(cè)檢驗(yàn)整理課件1、經(jīng)濟(jì)檢驗(yàn)經(jīng)濟(jì)檢驗(yàn)是模型檢驗(yàn)第一個(gè)重要檢驗(yàn)，因?yàn)榻?jīng)驗(yàn)?zāi)Ｐ偷慕?，本質(zhì)就是檢驗(yàn)理論模型對(duì)現(xiàn)實(shí)問題的解釋能力。已經(jīng)被廣泛使用的正確的經(jīng)濟(jì)理論隱含著對(duì)回歸模型系數(shù)的要求，比方凱恩斯消費(fèi)函數(shù)必須MPC處于0~1之間，生產(chǎn)函數(shù)的邊際本錢遞增等等，因此，建立的計(jì)量經(jīng)濟(jì)模型是否符合要求必須符合理論模型。這也是大局部設(shè)計(jì)到計(jì)量的經(jīng)濟(jì)學(xué)論文，首先都要建立一個(gè)理論模型，這既有利于建立計(jì)量經(jīng)濟(jì)模型，也有利于驗(yàn)證計(jì)量經(jīng)濟(jì)模型是否正確的依據(jù)。整理課件經(jīng)濟(jì)檢驗(yàn)的種類：A、系數(shù)的符號(hào)B、系數(shù)的大小C、相互關(guān)系還有些屬于隱含的經(jīng)濟(jì)理論要求，這些比較難以直接從回歸的系數(shù)中得到檢驗(yàn)，學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)必須對(duì)經(jīng)濟(jì)理論有很好的把握。比方，消費(fèi)函數(shù)中，MPC<APC的要求等。整理課件應(yīng)該指出的是，不是所有的應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)論文都必須要先建立一個(gè)理論模型的，有些現(xiàn)實(shí)問題可能不能直接用一些經(jīng)典理論來說明，也有可能這種理論根本不存在，這時(shí)候，就可以完全通過計(jì)量分析建立模型，說明現(xiàn)實(shí)問題了。還有的計(jì)量論文是為了驗(yàn)證一些經(jīng)濟(jì)理論是否正確的，此時(shí)的經(jīng)濟(jì)檢驗(yàn)就要另當(dāng)別論了。但對(duì)于我們來說，經(jīng)濟(jì)檢驗(yàn)必須通過，只有通過了經(jīng)濟(jì)檢驗(yàn)，才能進(jìn)行下一步的統(tǒng)計(jì)檢驗(yàn)。整理課件2、統(tǒng)計(jì)檢驗(yàn)〔1〕模型的擬合優(yōu)度檢驗(yàn)——判定系數(shù)R2〔2〕模型的顯著性檢驗(yàn)——F檢驗(yàn)〔3〕解釋變量的顯著性檢驗(yàn)——t檢驗(yàn)〔4〕參數(shù)的的置信區(qū)間檢驗(yàn)整理課件為什么要進(jìn)行統(tǒng)計(jì)檢驗(yàn)回歸分析是要通過樣本所估計(jì)的參數(shù)來代替總體的真實(shí)參數(shù)，或者說是用樣本回歸線代替總體回歸線。盡管從統(tǒng)計(jì)性質(zhì)上，如果有足夠多的重復(fù)抽樣，參數(shù)的估計(jì)值的期望〔均值〕就等于其總體的參數(shù)真值，但在一次抽樣中，估計(jì)值不一定就等于該真值。那么，在一次抽樣中，參數(shù)的估計(jì)值與真值的差異有多大，是否顯著，這就需要進(jìn)一步進(jìn)行統(tǒng)計(jì)檢驗(yàn)。主要包括擬合優(yōu)度檢驗(yàn)、模型的顯著性檢驗(yàn)、變量的顯著性檢驗(yàn)及參數(shù)的區(qū)間估計(jì)。整理課件一、擬合優(yōu)度檢驗(yàn)擬合優(yōu)度檢驗(yàn)：對(duì)樣本回歸直線與樣本觀測(cè)值之間擬合程度的檢驗(yàn)。度量擬合優(yōu)度的指標(biāo)：判定系數(shù)〔可決系數(shù)〕R2問題：采用普通最小二乘估計(jì)方法，已經(jīng)保證了模型最好地?cái)M合了樣本觀測(cè)值，為什么還要檢驗(yàn)擬合程度？整理課件這是因?yàn)殡m然OLS保證了殘差的平方和最小，但無論對(duì)于什么的數(shù)據(jù)都可以使用OLS求得回歸方程，可這些回歸方程也許沒有意義，比方下面的三個(gè)擬合圖形：整理課件整理課件啟示：上述三個(gè)圖形中，第二個(gè)圖形的擬合程度最好，反映在數(shù)據(jù)幾乎都集中在擬合直線的附近。這也就是說，如果對(duì)于一條擬合的直線〔曲線〕，數(shù)據(jù)越集中于擬合直線〔曲線〕，擬合的程度越好〔擬合優(yōu)度越好〕。怎樣通過一個(gè)統(tǒng)計(jì)數(shù)值來反映這種集中程度呢？計(jì)量經(jīng)濟(jì)學(xué)家發(fā)現(xiàn)，越是擬合好的直線，回歸平方和越大、誤差平方和越小。用圖表示：整理課件目標(biāo)：越靠近越好！整理課件注意字母的寫法不同，含義一樣！整理課件整理課件整理課件整理課件例子：Eviews中的計(jì)算整理課件〔2〕模型的顯著性檢驗(yàn)——F檢驗(yàn)為什么擬合優(yōu)度已經(jīng)很好地描述了數(shù)據(jù)對(duì)模型的精確程度，還要進(jìn)行模型的顯著性檢驗(yàn)——F檢驗(yàn)?zāi)兀颗卸ㄏ禂?shù)檢驗(yàn)只能說明模型對(duì)樣本數(shù)據(jù)的近似情況，但是建立計(jì)量經(jīng)濟(jì)模型的目的是為了描述總體的經(jīng)濟(jì)關(guān)系。所謂模型的顯著性檢驗(yàn)，就是檢驗(yàn)?zāi)Ｐ蛯?duì)總體的近似程度，而且最常用的檢驗(yàn)方法是F檢驗(yàn)。整理課件F檢驗(yàn)根本思想對(duì)于多元線性回歸模型：yi=b0+b1x1i+b2x2i+…+bkxki+?i假設(shè)H0:b1=b2=…=bk=0假設(shè)假設(shè)成立，那么意味著：yi=a+?i說明y的變換主要由模型之外的變量來決定，模型的線性關(guān)系不顯著，所設(shè)定的模型沒有意義。整理課件F檢驗(yàn)統(tǒng)計(jì)量在原假設(shè)H0成立的情況下，可以證明：所以，對(duì)于給定的顯著性水平a，可由F分布表查處臨界值Fa〔注意是單側(cè)檢驗(yàn)〕，如果根據(jù)樣本數(shù)據(jù)計(jì)算得出：F>Fa那么拒絕原假設(shè)H0，即回歸系數(shù)b1,b2,….,bk中至少有一個(gè)顯著地不為0，此時(shí)可以認(rèn)為模型的線性關(guān)系式顯著的，否那么模型的線性關(guān)系不顯著。整理課件例子：Eviews中的計(jì)算整理課件〔3〕解釋變量的顯著性檢驗(yàn)——t檢驗(yàn)如果模型既有很大的判定系數(shù)，也通過了模型的顯著性檢驗(yàn)，為什么還要進(jìn)行解釋變量的顯著性t檢驗(yàn)?zāi)兀空碚n件這是因?yàn)?，如果模型通過了F檢驗(yàn)，那么說明模型中所有解釋變量對(duì)被解釋變量的“總影響〞是顯著的，但這并不同時(shí)意味著模型中的每一個(gè)將誒是變量對(duì)y都有重要影響，或者說并不是每個(gè)解釋變量的單獨(dú)影響都是顯著。在設(shè)定計(jì)量經(jīng)濟(jì)模型的時(shí)候，我們往往根據(jù)經(jīng)驗(yàn)理論和對(duì)所研究系統(tǒng)的經(jīng)驗(yàn)認(rèn)識(shí)，盡量找出被解釋變量的所有影響因素，這些初步選定的影響因素中間很可能就有一些實(shí)際上并不重要整理課件或其影響可以由其他變量代替的變量。為了使模型更加簡單、合理，應(yīng)該提出這些不重要的變量，使模型中只保存有顯著影響的變量。剔除不顯著的解釋變量的方法，就是解釋變量的顯著性檢驗(yàn)——t檢驗(yàn)。整理課件以一元回歸為例：〔1〕回歸分析是要判斷解釋變量X是否是被解釋變量Y的一個(gè)顯著性的影響因素。在一元線性模型中，就是要判斷X是否對(duì)Y具有顯著的線性性影響。這就需要進(jìn)行變量的顯著性檢驗(yàn)?！?〕變量的顯著性檢驗(yàn)所應(yīng)用的方法是數(shù)理統(tǒng)計(jì)學(xué)中的假設(shè)檢驗(yàn)。