6第六章：模型选择：标准与检验剖析.pptx

模型选择：标准与检验; 假定模型不存在设定偏差，是“对现实的真实反映”。 然而实践中，或许永远无法获知真实的模型是什么，但却希望找到一个“相对”精确反映现实的模型。 1.“好的”或者“正确的”模型具有哪些性质？ 2.比之“正确”模型，在实践中可能会犯哪几类设定误差？ 3.各种设定误差的后果是什么？ 4.如何诊断设定误差？ 5.如果已犯设定误差，可以采取哪些补救措施？;主要讲解内容;一、“好的”模型具有的性质;二、设定误差的类型;三、遗漏相关变量：“过低拟合”模型;;四、包括不相关变量：“过度拟合”模型;五、不正确的函数形式;六、度量误差;七、诊断设定误差：检验;逐步回归（Stepwise Regression）;逐步回归; 分析原理（包括两个阶段）： 第一阶段： 对已引入回归方程的变量计算其偏回归平方和（即贡献），然后选一个偏回归平方和最小的变量，在预先给定的 F 水平下进行显著性检验，如果显著则该变量不必从回归方程中剔除，这时方程中其它的几个变量也都不需要剔除。相反，如果不显著，则该变量要剔除，然后按偏回归平方和由小到大地依次对方程中其它变量进行 F 检验。将对 Y 影响不显著的变量全部剔除，保留的都是显著的。; 第二阶段： 再对未引人回归方程中的变量分别计算其偏回归平方和，并选其中偏回归平方和最大的一个变量，同样在给定 F 水平下作显著性检验，如果显著则将该变量引入回归方程，这一过程一直继续下去，直到在回归方程中的变量都不能剔除而又无新变量可以引入时为止，这时逐步回归过程结束。; 计算步骤： （1）确定 F 检验值； 在进行逐步回归计算前要确定检验每个变量是否显若的 检验水平，以作为引人或剔除变量的标准。 基本要求：F α水平不宜过高（显著性水平 α 不宜太小）。;（2）逐步计算 如果已计算 t 步（包含t＝0）且回归方程中已引入 l 个变量，则第（t+1）步的计算为: （a）计算全部自变量的贡献 V（偏回归平方和）； （b）在已引入的自变量中，检查是否有需要剔除的不显著变量。 在已引入的变量中选取具有最??? V 值的一个并计算其 F 值，如果 FF α ，表示该变量不显著，应将其从回归方程中剔除， 计算转至（c）。如 FF α ，则不需要剔除变量，这时则考虑从未引入的变量中选出具有最大 V 值的一个并计算 F 值，如果 FF α ， 则表示该变量显著，应将其引人回归方程，计算转至（c）。如 FF α，表示已无变量可选入方程，则逐步计算阶段结束，计算转人（c）。 （c）剔除或引人一个变量后，相关系数矩阵进行消去变换，第（t+1）步计算结束。其后重复（a）～（c）再进行下步计算。 ;;逐步回归：案例分析;七、诊断设定误差：检验;七、诊断设定误差：检验;七、诊断设定误差：检验