第5章线性回归模型的应用-第5章

第5章线性回归模型的应用-第5章内容摘要：

属性分类超过两个时，需要引入多 个 虚拟变量来刻画 不同类别对象的差异。 结 论 3：虚拟变量的个数 对于 带截距项的模型，为表示某一 属性 不同类别引入 虚拟变量时，虚拟变量的 个数 等于类别个数 减去 1。 若虚拟变量数与类别数相同，则存在完 全共线性，模型无法估计。 虚拟变量 引入多个虚拟变量 例子 性别、高等教育和工资收入 uDDY  e x p e322110 uDDDDY  21322110 e x p e uDDDDDY  e x p ee x p e 121322110 未受过高等教育受过高等教育011D 女性男性012D 参数约束检验 参数约束检验方法 参数约束检验应用 参数约束检验 参数约束检验方法 • 原理：比较受约束的和不受约束的模型的残差平方和是否有明显差别 检验统计量： 无约束模型回归残差平方和： 约束模型回归残差平方： 无约束模型中解释变量个数： 约束条件个数： 样本容量： ))1(/(S S R/)S S RS S R(ururrknqTrurSSRrSSRnkq 参数约束检验 参数约束检验方法 结论 4：参数约束检验统计量 在约束条件（原假设）成立时，统计量 服从自由度为 q和（ n(k+1)）的 F分布。 原假设： rT参数约束正确:0H 参数约束检验 参数约束检验应用 参数约束检验应用 冗余变量联合检验 例子 高等教育规模 不同地区 故认为不同地区的高等教育规模模型没有显著差异。 uXXY kk   1100:H 10  kqk  uXXXXXDdDdY  554433221122110 lnlnlnln 0:H 210  dd)23,2())17(31/( 2/)())1(/(SSR /)SSRSSR( ururr  FknqTr参数约束检验应用 冗余变量联合检验 例子 高等教育规模 不同地区 EViews 实现该检验： 先对无约束模型进行回归，在结果输出界面点击View→Coefficient Diagnostics→Redundant Variables TestLikelihood Ratio…， 在弹出的对话框中键入需要检验的冗余变量，点击 OK 参数约束检验应用 冗余变量联合检验 例子 高等教育规模 不同地区 得到结果： 参数约束检验应用 函数形式检验 RESET（ Regression Equation Specification Error Test） 步骤： 进行回归，得拟合值 进行回归 进行检验 uXXY  22110 uXXY  22110 22110 ˆˆˆ XXY    322122110 ˆˆ YYXXY0: 210  H参数约束检验应用 函数形式检验 例子 工资模型中的高阶项 uIQm a。