古典線(xiàn)性回歸模型的基本假設(shè)

1古典線(xiàn)性回歸模型的基本假設(shè)2學(xué)習(xí)目標(biāo)古典線(xiàn)性回歸模型(ClassicalLinearRegressionModel)的基本假設(shè)普通最小平方法估計(jì)式的抽樣分配(samplingdistribution)普通最小平方法估計(jì)式的統(tǒng)計(jì)性質(zhì)假說(shuō)檢定(hypothesistesting)回歸模型的配適度與預(yù)測(cè)3古典線(xiàn)性回歸模型(1/4)古典線(xiàn)性回歸模型的基本假設(shè)母體條件期望值為參數(shù)的線(xiàn)性函數(shù)誤差項(xiàng)的條件期望值為零同質(zhì)變異(homoscedasticity):誤差項(xiàng)的變異數(shù)相同無(wú)自我相關(guān)(noautocorrelation):誤差項(xiàng)彼此之間

不相關(guān)自變數(shù)X和誤差項(xiàng)不相關(guān)模型設(shè)定正確(theregressionmodeliscorrectly

specified)4古典線(xiàn)性回歸模型(2/4)假設(shè)2:誤差項(xiàng)的條件期望值為零5古典線(xiàn)性回歸模型(3/4)圖:同質(zhì)變異(homoscedasticity,equalvariance);圖:異質(zhì)變異(heteroscedasticity,unequalvariance)6古典線(xiàn)性回歸模型(4/4)(a)圖:誤差項(xiàng)無(wú)自我相關(guān)(noautocorrelation);(b)圖:誤差項(xiàng)正自我相關(guān)(positiveautocorrelation);(c)圖:誤差項(xiàng)負(fù)自我相關(guān)(negativeautocorrelation)7估計(jì)式的抽樣分配

(1/6)根據(jù)OLS估計(jì)方法所得到的估計(jì)值會(huì)隨著樣本(抽樣)不同而改變，故OLS估計(jì)式為隨機(jī)變量，必須知道估計(jì)式的抽樣分配，也就是要知道估計(jì)式的機(jī)率分配、期望值和變異數(shù)，方才能夠進(jìn)行檢定。OLS估計(jì)式的期望值

在古典線(xiàn)性回歸模型的假設(shè)下，

故OLS估計(jì)式是不偏估計(jì)式(unbiasedestimator)。

8估計(jì)式的抽樣分配

(2/6)

OLS估計(jì)式的變異數(shù)與標(biāo)準(zhǔn)誤(varianceandstandarderrors)OLS估計(jì)式的變異數(shù)系用來(lái)衡量估計(jì)式抽樣分配的變異程度OLS估計(jì)式的變異數(shù)與標(biāo)準(zhǔn)誤(se)

9估計(jì)式的抽樣分配

(3/6)

其中是誤差項(xiàng)的變異數(shù)，倘若已知，根據(jù)公式可計(jì)算出估計(jì)式變異數(shù)的數(shù)值，但因?yàn)槟阁w真實(shí)的變異數(shù)未知，故也必須估計(jì)。10估計(jì)式的抽樣分配

(4/6)

:的估計(jì)式，開(kāi)根號(hào)稱(chēng)為回歸的估計(jì)標(biāo)準(zhǔn)誤(standarderroroftheregression,SER)

11估計(jì)式的抽樣分配

(5/6)

殘差

殘差平方4.81818223.21488-10.3636107.4054.45454519.84298-0.727270.5289264.09090916.73554-1.090911.190083-6.2727339.347113.54545512.570258.36363669.95041-6.8181846.4876(SSR/n-2)42.159096.49300312

13估計(jì)式的抽樣分配

(6/6)雖然已經(jīng)得到OLS估計(jì)式抽樣分配的期望值和變異數(shù)，但是還不知道估計(jì)式屬于何種機(jī)率分配，因此在古典線(xiàn)性回歸模型再加上一個(gè)假設(shè):

誤差項(xiàng)遵循常態(tài)分配

由于常態(tài)分配隨機(jī)變量的線(xiàn)性函數(shù)仍為常態(tài)分配，因此OLS估計(jì)式也為常態(tài)分配隨機(jī)變量。

14OLS估計(jì)式的統(tǒng)計(jì)性質(zhì)

Gauss-Markovtheorem:在古典線(xiàn)性回歸模型的假設(shè)下，OLS估計(jì)式具有BLUE(bestlinearunbiasedestimator)的良好性質(zhì)，換言之，OLS估計(jì)式是所有線(xiàn)性不偏估計(jì)式中變異數(shù)最小的。

估計(jì)式是觀察值Y的線(xiàn)性函數(shù)。

估計(jì)式不偏。在重復(fù)抽樣之下，平均來(lái)看，估計(jì)式的期望值會(huì)等于真實(shí)母體參數(shù)值(

同樣滿(mǎn)足不偏)。

在所有線(xiàn)性不偏估計(jì)式，OLS估計(jì)式最有效率。

15假說(shuō)檢定(1/9)回歸分析的第二個(gè)目標(biāo)是檢定，判斷自變數(shù)和應(yīng)變數(shù)之間是否具有顯著的關(guān)系，是正向或是負(fù)向關(guān)系。

虛無(wú)假設(shè)

對(duì)立假設(shè)

雙尾檢定

右尾檢定

左尾檢定16假說(shuō)檢定(2/9)假說(shuō)檢定必須仰賴(lài)估計(jì)式的抽樣分配，已知OLS估計(jì)式遵循常態(tài)分配，故

為標(biāo)準(zhǔn)常態(tài)分配。

17假說(shuō)檢定(3/9)由于母體變異數(shù)未知，以回歸標(biāo)準(zhǔn)誤

取代，

根據(jù)t分配建立信賴(lài)區(qū)間進(jìn)行檢定，或是計(jì)算t值進(jìn)行顯著性檢定。

18假說(shuō)檢定(4/9)信賴(lài)區(qū)間法(confidenceintervalapproach)

以簡(jiǎn)單回歸講義的數(shù)值例子來(lái)討論，假設(shè)進(jìn)行雙尾檢定，并令顯著水平(significantlevelortheprobabilityofcommittingatypeIerror)為5%，則由t分配表可知(樣本數(shù)10，故自由度為8):

19假說(shuō)檢定(5/9)

上式為母體參數(shù)的95%信賴(lài)區(qū)間，重覆抽樣下，平均來(lái)說(shuō)，100次當(dāng)中有95次這個(gè)區(qū)間會(huì)包含母體真值信賴(lài)區(qū)間為接受域(theregionofacceptance)，信賴(lài)區(qū)間之外為拒絕域(therejectionregion)，若虛無(wú)假設(shè)的值落于信賴(lài)區(qū)間，無(wú)法拒絕虛無(wú)假設(shè)；若落于信賴(lài)區(qū)間以外，拒絕虛無(wú)假設(shè)(因?yàn)橛?%的機(jī)率這個(gè)區(qū)間不包含母體真值，故錯(cuò)誤地拒絕為真之虛無(wú)假設(shè)的機(jī)率為5%)

下限95%上限95%9.66425639.244830.4266680.5915142021假說(shuō)檢定(6/9)顯著性檢定法(Thetestofsignificanceapproach)

根據(jù)估計(jì)式的抽樣分配建立虛無(wú)假設(shè)成立之下的檢定量(teststatistic)，計(jì)算于樣本資料下該檢定量的數(shù)值(稱(chēng)為檢定值)，再比較檢定值和臨界值進(jìn)行顯著性檢定。

虛無(wú)假設(shè)成立下()的檢定量(teststatistic)

22假說(shuō)檢定(7/9)雙尾檢定時(shí)，若樣本資料所計(jì)算出之t值落于

臨界值之外，表示樣本檢定結(jié)果為:母體參數(shù)值顯著異于虛無(wú)假設(shè)的數(shù)值，故拒絕虛無(wú)假設(shè)；若計(jì)算出之

t值落于兩臨界值之間，則無(wú)法拒絕虛無(wú)假設(shè)。

系數(shù)標(biāo)準(zhǔn)誤t統(tǒng)計(jì)P-值截距24.454556.4138173.8127910.005142X變量10.5090910.03574314.243175.75E-072324假說(shuō)檢定(8/9)單尾檢定(one-tailedtest)

右尾:if，拒絕虛無(wú)假設(shè)左尾:if，拒絕虛無(wú)假設(shè)p-value:theexactlevelofsignificance(rejectnullhypothesisifpvalueissufficientlylow)25假說(shuō)檢定(9/9)單尾

t

檢定:(a)右尾

(b)左尾26配適度(goodnessoffit)(1/3)

判定系數(shù)(coefficientofdetermination):衡量應(yīng)變數(shù)Y的變異當(dāng)中能夠被自變數(shù)X解釋的部分，定義為

SST(總變異)、SSE(被解釋變異)與SSR(殘差變異)的定義與計(jì)算:

自由度SS回歸18552.727殘差8337.2727總和98890殘差殘差平方4.81818223.21488-10.3636107.4054.45454519.84298-0.727270.5289264.09090916.73554-1.090911.190083-6.2727339.347113.54545512.570258.36363669.95041-6.8181846.4876337.2727(SSR)2728配適度(goodnessoffit)(2/3)應(yīng)變數(shù)Y之變異的分解29配適度(goodnessoffit)(3/3)在簡(jiǎn)單回歸模型，應(yīng)變數(shù)與自變數(shù)之相關(guān)系數(shù)(thecoefficientofcorrelation)和判定系數(shù)具有如下的關(guān)系:

應(yīng)變數(shù)與自變數(shù)的樣本相關(guān)系數(shù)會(huì)等于判定系數(shù)開(kāi)根號(hào)，而相關(guān)系數(shù)的正負(fù)號(hào)則由的正負(fù)號(hào)所決定。30

預(yù)測(cè)(1/4)點(diǎn)預(yù)測(cè)：樣本回歸估計(jì)出來(lái)后，可以根據(jù)估計(jì)結(jié)果作點(diǎn)預(yù)測(cè):在任一給定的X值，預(yù)測(cè)Y值是多少?即given

，根據(jù)樣本回歸預(yù)測(cè)

預(yù)測(cè)誤差為

預(yù)測(cè)的信賴(lài)區(qū)間(individualprediction)

因?yàn)?/p>

故Y0預(yù)測(cè)的信賴(lài)區(qū)間為