1、3.3 多元线性回归模型的统计检验多元线性回归模型的统计检验 一、拟合优度检验一、拟合优度检验 二、方程的显著性检验二、方程的显著性检验(F(F检验检验) ) 三、变量的显著性检验（三、变量的显著性检验（t t检验）检验） 四、参数的置信区间四、参数的置信区间 一、拟合优度检验一、拟合优度检验 1、可决系数与调整的可决系数、可决系数与调整的可决系数 则 22 2 2 ) () )( (2) ( ) () ( )( YYYYYYYY YYYY YYTSS iiiiii iii i 总离差平方和的分解总离差平方和的分解 由于 ) () )( (YYeYYYY iiii ikiikiii eYXeX
2、ee 110 =0 所以有： ESSRSSYYYYTSS iii 2 2 ) () ( 注意：注意：一个有趣的现象一个有趣的现象 22 2 22 2 YYYYYY YYYYYY YYYYYY iiii iiii iiii 可决系数可决系数 TSS RSS TSS ESS R1 2 该统计量越接近于1，模型的拟合优度越高。 问题：问题： 在应用过程中发现，如果在模型中增加一个解 释变量， R2往往增大（Why?) 这就给人一个错觉一个错觉：要使得模型拟合得好，只要使得模型拟合得好，只 要增加解释变量即可要增加解释变量即可。 但是，现实情况往往是，由增加解释变量个数 引起的R2的增大与拟合好坏无关
3、，R2需调整需调整。 调整的可决系数调整的可决系数（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除变量个数对拟合优度的影响: ) 1/( ) 1/( 1 2 nTSS knRSS R 其中：n-k-1为残差平方和的自由度，n-1为总体平 方和的自由度。 1 1 )1 (1 22 kn n RR *2、赤池信息准则和施瓦茨准则、赤池信息准则和施瓦茨准则 为
4、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: 赤池信息准则赤池信息准则（Akaike information criterion, AIC） n k n AIC ) 1(2 ln ee 施瓦茨准则施瓦茨准则（Schwarz criterion，SC） n n k n AClnln ee 这两准则均要求这两准则均要求仅当所增加的解释变量能够减少仅当所增加的解释变量能够减少 AICAIC值或值或ACAC值时才在原模型中增加该解释变量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=6.68 AC=6.83 中国居民消费二元例中
5、： AIC=7.09 AC=7.19 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、方程的显著性检验二、方程的显著性检验(F检验检验) 方程的显著性检验，旨在对模型中被解释变方程的显著性检验，旨在对模型中被解释变 量与解释变量之间的线性关系量与解释变量之间的线性关系在总体上在总体上是否显著是否显著 成立作出推断。成立作出推断。 1、方程显著性的、方程显著性的F检验检验 即检验模型 Yi=0+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： 0=1=2= =k=0 H1： j不全为0 F F检验
6、的思想检验的思想来自于总离差平方和的分解式： TSS=ESS+RSS 由于回归平方和 2 i yESS 是解释变量X的联合体对被解 释变量 Y 的线性作用的结果，考虑比值 22 / ii eyRSSESS 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。 因此因此, ,可通过该比值的大小对总体线性关系进行推可通过该比值的大小对总体线性关系进行推 断断。 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 ) 1/( / knRSS kESS F 服从自由度为(k , n-k-1)的F分布 给定显著性水平，可得到临界值F(k,n-
7、k-1)， 由样本求出统计量F的数值，通过 F F(k,n-k-1) 或 FF(k,n-k-1) 来拒绝或接受原假设H0，以判定原方程总体上总体上的 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=285.92 二元模型：F=2057.3 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,n-k-1) 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关于拟合优度检验与方程显著性检 验关系的讨论验关系的讨论 由 ) 1/( ) 1/( 1 2 n
8、TSS knRSS R ) 1/( / knRSS kESS F 可推出： kFkn n R 1 1 1 2 与 或 ) 1/()1 ( / 2 2 knR kR F 在在中国居民人均收入中国居民人均收入-消费消费一元模型一元模型中，中， 在在中国居民人均收入中国居民人均收入-消费消费二元模型二元模型中中， 三、变量的显著性检验（三、变量的显著性检验（t检验）检验） 方程的总体线性总体线性关系显著 每个解释变量每个解释变量对被 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这一检验是由对变量的 t t 检验完成的
9、。检验完成的。 1、t统计量统计量 由于12 )() ( XXCov 以cii表示矩阵(XX)-1 主对角线上的第i个元素， 于是参数估计量的方差为： iii cVar 2 ) ( 其中2为随机误差项的方差，在实际计算 时，用它的估计量代替: 11 2 2 knkn ei ee ),( 2 iiii cN 因此，可构造如下t统计量 ) 1( 1 knt kn c S t ii iiii i ee 2、t检验检验 设计原假设与备择假设： H1：i0 给定显著性水平，可得到临界值t/2(n-k-1)， 由样本求出统计量t的数值，通过 |t| t/2(n-k-1) 或 |t|t/2(n-k-1) 来
10、拒绝或接受原假设H0，从而判定对应的解释变判定对应的解释变 量是否应包括在模型中。量是否应包括在模型中。 H0：i=0 （i=1,2k） 注意：注意：一元线性回归中，一元线性回归中，t t检验与检验与F F检验一致检验一致 一方面一方面，t检验与F检验都是对相同的原假设 H0： 1=0=0 进行检验; 另一方面另一方面，两个统计量之间有如下关系： 2 2 2 2 1 2 22 1 22 2 1 2 22 1 2 2 1 2 )2( )2( )2( )2( t xn e xne xnene x ne y F i i ii iii i i i 在中国居民人均收入中国居民人均收入-消费支出消费支出二
11、元模型二元模型例中， 由应用软件计算出参数的t值： 651. 2630. 3306. 3 210 ttt 给定显著性水平=0.05，查得相应临界值： t0.025(19) =2.093。 可见，计算的所有计算的所有t值都大于该临界值值都大于该临界值，所以 拒绝原假设。即: 包括常数项在内的包括常数项在内的3个解释变量都在个解释变量都在95%的水的水 平下显著，都通过了变量显著性检验。平下显著，都通过了变量显著性检验。 四、参数的置信区间四、参数的置信区间 参数的参数的置信区间置信区间用来考察：在一次抽样中所估在一次抽样中所估 计的参数值离参数的真实值有多计的参数值离参数的真实值有多“近近”。
12、在变量的显著性检验中已经知道：在变量的显著性检验中已经知道： ) 1( 1 knt kn c S t ii iiii i ee 容易推出容易推出：在(1-)的置信水平下i的置信区间是 ( , ) ii tsts ii 22 其中，t/2为显著性水平为 、自由度为n-k-1的临界值。 在中国居民人均收入中国居民人均收入-消费支出消费支出二元模型二元模型例中, 给定=0.05，查表得临界值：t0.025(19)=2.093 计算得参数的置信区间： 0 ：(44.284, 197.116) 1 ： (0.0937, 0.3489 ) 2 ：(0.0951, 0.8080) 170. 04515. 0
13、 061. 02213. 0 51.3670.120 2 1 0 2 1 0 s s s 从回归计算中已得到： 如何才能缩小置信区间？如何才能缩小置信区间？ 增大样本容量增大样本容量n n，因为在同样的样本容量下，因为在同样的样本容量下，n n越越 大，大，t t分布表中的临界值越小，同时，增大样本容分布表中的临界值越小，同时，增大样本容 量，还可使样本参数估计量的标准差减小；量，还可使样本参数估计量的标准差减小； 提高模型的拟合优度提高模型的拟合优度，因为样本参数估计量的标，因为样本参数估计量的标 准差与残差平方和呈正比，模型优度越高，残差准差与残差平方和呈正比，模型优度越高，残差 平方和应越小。平方和应越小。 提高样本观测值的分散度提高样本观测值的分散度, ,一般情况下，样本观一般情况下，样本观 测值越分散测值越分散，(XX)-1的分母的的分母的|XX|的值越大，致的值越大，致 使区间缩小。使区间缩小。
