Ct =180.7747 + 0.817Y1 + 0.333Y1+
(52.53846) (0.010606) (0.109563)
t =(3.4408) (77.0294) (3.0376)
R2=0.9983 DW=1.1204 F=3265.641
括号内数据为t检验值。重要的参数估计值：=0.817，=0.333
4.3回归模型检验
下面对回归结果进行检验：
1、统计检验
拟合优度：从回归结果看R2=0.9983，修正的可决系数为0.9980，这说明模型对样本的拟合很好。
F检验：在给定显著性水平=0.05下，在分布表中查出自由度为k-1=2和n-k=11的临界值Fα=(2,11)=3.98，由表4-2-2中数据得到F=3265.641，由于F=3265.641＞Fα=(2,11)=3.98，说明回归方程显著。
T检验：在给定显著性水平=0.05下，查t分布表得自由度为n-k=11的临界值tα/2(n-k)=2.201，由表4-2-2中数据可得与各估计值对应的t统计量分别为3.4408、77.0294、3.0376，均大于tα/2(n-k)=2.201，说明解释变量对被解释变量有显著性影响。
2、多重共线性检验
计算各解释变量的相关系数，选择Y1和Y2数据在eviews软件中得到相关系数矩阵。
表4-3-1
Y1 Y2
Y1 1 0.266487789747741
Y2 0.266487789747741 1
由相关系数矩阵可以看出，各解释变量之间的相关系数不高，但这只是多重共线性不存在的充分条件而不是必要条件。
下面使用方差扩大（膨胀）因子法检验。分别以每个解释变量为被解释变量，做对其他解释变量的辅助回归。以Yj为被解释变量做对其他解释变量辅助线性回归的可决系数，用R2j表示。因为方程中只含有两个解释变量Y1、Y2，因此，只需做一次辅助回归，得到表4-3-2。
表4-3-2
Dependent Variable: Y
Method: Least Squares
Date: 05/18/09 Time: 10:47
Sample: 1994 2007
Included observations: 14
Variable Coefficient Std. Error t-Statistic Prob.
C 65.93240 151.9914 0.433790 0.6721
X 0.095713 0.031939 2.996719 0.0111
R-squared 0.428036 Mean dependent var 492.7429
Adjusted R-squared 0.380372 S.D. dependent var 252.2517
S.E. of regression 198.5636 Akaike info criterion 13.55166
Sum squared resid 473130.0 Schwarz criterion 13.64295
Log likelihood -92.86162 F-statistic 8.980324
Durbin-Watson stat 0.384417 Prob(F-statistic) 0.011134
根据表4-2-4知可决系数R2=0.428036，根据方差扩大（膨胀）因子法：VIFj是变量Yj的方差扩大因子，即
VIFj=
带入计算得VIF=1.748。经验表明，当VIFj≥10时，说明解释变量与其余解释变量之间有严重的多重共线性；反之，VIFj越接近1，说明解释变量之间的线性相关程度越弱即多重共线性越弱。VIF=1.748，说明不存在多重共线性。
3、检验模型的异方差
在eviews软件中，由表4-2-2的估计结果进入White检验。经估计出现White检验结果，见表4-3-3。
上一页 [1] [2] [3] [4] [5] [6] [7] [8] 下一页