《部分:线性回归》PPT课件.ppt_第1页
《部分:线性回归》PPT课件.ppt_第2页
《部分:线性回归》PPT课件.ppt_第3页
《部分:线性回归》PPT课件.ppt_第4页
《部分:线性回归》PPT课件.ppt_第5页
已阅读5页,还剩40页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

偏回归系数 在前面的多元线性回归模型中 它表示在其它自变量保持不变的条件下 该自变量变化一个单位将引起因变量平均变化多少个单位 两个补充问题 1 回归模型的结构稳定性检验2 自变量的选择 1 回归模型的结构稳定性检验 Chow检验 Chow检验包括Chow s断点检验和Chow s预测检验 1 Chow s断点 Breakpoint 检验思想 是对每个子样本单独拟合方程来观察估计方程是否有显著差异 零假设 两个子样本拟合的方程无显著差异 而有显著差异意味着模型中存在结构变化 检验之前 需先把数据分成两个或更多的子样本 每个子样本的观察数必须多于方程的个数 这样才能对每个子样本分别拟合方程 对总体样本可单独拟合一个方程 对子样本可分别拟合方程 Chow s断点检验基于这两组方程的残差平方和的比较 可构造统计量 Chow检验时的限制条件 1 应用Chow检验必须满足子样本回归模型的随机误差项是独立同分布 均服从正态分布 2 Chow检验的结果仅仅告知以子样本的回归方程是否相同 而无法告知导致这种差异的原因 3 Chow检验假定知道结构发生变化的时间点 2 Chow s预测检验 Chow s预测检验是先对包含前T1个观察值的子样本建立模型 然后用这个模型对后T2个观察值的自变量进行预测 如果实际值与预测值有很大变动 就可以怀疑模型中存在结构性变化 2 自变量的选择 实际建模时 选取哪些变量作为自变量引入模型 对模型的优劣有直接的影响作用 模型中 既不能遗漏重要的自变量 又要防止过多变量带来的多重共线性 Testadd检验用于对方程引入新的自变量时 检验引入是否对模型有利 其零假设是应将该变量纳入方程 检验用到Wald统计量和LR统计量 后面作专题介绍 Testdrop检验用于在方程中剔除自变量时

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论