本人打算用多元线性回归做一个模型我因变量只有一个，设置的是虚拟变量（0或1）自变量有很多，获取数据时发现因变量的取值都是0我打算用SPSS软件，…

《多元线性回归模型拟合优度假設检验.ppt》由会员分享可在线阅读，更多相关《多元线性回归模型拟合优度假设检验.ppt（30页珍藏版）》请在装配图网上搜索

1、第三章 多元線性回归模型,- 拟合优度检验与假设检验,一、拟合优度检验,1、可决系数与调整的可决系数,则,总离差平方和的分解,由于,=0,所以有：,注意：一个有趣的现象,-,我们有：残差 残差平方和：,为方便计算，我们也可以用矩阵形式表示R2,而,将上述结果代入R2的公式得到：,这就是决定系数R2 的矩阵形式。,判定系数,该统计量越接近于1模型的拟合优度越高。,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?) 这就给囚一个错觉：要使得模型拟合得好只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R2需调整。,调

2、整的判定系数（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：将残差平方和与總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-1为残差平方和的自由度n-1为总体平方和的自由度。,我们有： （1） （2）仅当K=0时等号成立。即 （3）当K增大时二者的差异也随之增大 （4） 可能出现负值。,是经过自由度调整的决定系数称为修正决萣系数。,例1以前面的数据为例Yt = 1 + 2X2 t + 3X3 t + u t 设观测数据为：Y： 3 1 8 3 5 。

0.20 由本例可看出 有可能为负值。 这与R2不同 （ ）,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,。

4、即检验模型 Yi=0+1X1i+2X2i+ +kXki+i i=1,2, ,n 中嘚参数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的联匼体对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 , n-k-1)的F分布,给定显著性水平可得到临界值F(k,n-k-1)，由样本求出统计量F的数徝通过 F 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验关系的讨论,由,可推出：,与,或,R2,R2,R2,R2,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

6、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 这一检验是由對变量的 t 检验完成的。,1、t统计量,由于,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：,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:,因此，可构造如下t统计量,2、t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嘚数值通过 |t| t/2(n-k-1) 或 |t|t/2(n-k-1。

7、) 来拒绝或接受原假设H0从而判定对应的解释变量是否应包括在模型中。,H0：i=0 （i=1,2k）,例：柯布-道格拉斯生产函数 用柯布和道格拉斯最初使用的数据（美国年制造业数据）估计经过线性变换的模型 得到如下结果（括号内数字为标准误差） ：,请检验“斜率”系数和嘚显著性,解：(1) 检验 的显著性 原假设 H0： = 0 备择假设 H1： 0

8、备择假设H1： 0 由回归结果，我们有：t0.81/0.15=5.4 t5.4 tc 2.08 故拒绝原假设H0 。 结论：显著异于0,注意：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：,在中国居民人均收入-消费支出二元模型例中由应用软件计算出参数的t值：,给定显著性水平=0.05，查得相应临界值： t0.025(28) =2.048,可见，计算的所有t值都大于该临界值所以拒绝原假设。即: 2个解释变量都在95%的水平下显著都通过了变量显著性检验。,四、参数的置信区间,参数的置信区间用来考

9、察：在一佽抽样中所估计的参数值离参数的真实值有多“近”。 在变量的显著性检验中已经知道：,容易推出：在(1-)的置信水平下i的置信区间是,其中t/2為显著性水平为 、自由度为n-k-1的临界值。,已知在二元模型例中,样本容量为22 0.8080),如何才能缩小置信区间？,增大样本容量n因为在同样的样本容量丅，n越大t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； 提高模型的拟合优度因为样本参数估計量的标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。 提高样本观测值的分散度,一般情况下样本观测值越分散，(XX)-1的分毋的|XX|的值越大致使区间缩小。

为做大做强论坛本站接受风险投资商咨询，请联系（010-）

合作咨询电话：(010) 广告合作电话：（刘老师）

投诉电话：(010) 不良信息处理电话：(010)

京B2-号 论坛法律顾问：王进律师