如果X服从自由度为d1的卡方分布,Y服从自由度为d2的卡方分布,那么:
(X/d1) / (Y/d2) 服从F(d1, d2)分布。
回归里的F检验一般来说n是样本数,k是独立变量(regressor)的数量(包含常数1)。
匿名回答于2021-04-03 10:26:43
DW = sum (eps_t - eps_{t-1})^2 / sum (eps_t)^2 约= 2(1 - r)
r表示相邻残差之间的相关系数
如果r = 0 也就是说近似于2的DW值表示残差不存在相关性
如果r > 0 也就是说接近0的DW值表示正相关
如果r < 0 也就是说接近4的DW值表示负相关
一般DW统计量的表提供d_l和d_u
DW < d_l 正相关
d_l <DW < d_u 该检验不确定
d_u < DW < 4 - d_u 不存在自相关
4 - d_u < DW < 4 - d_l 该检验不确定
DW > 4 - d_l 负相关
扩展资料:
自相关性产生的原因:
线性回归模型中随机误差项存在序列相关的原因很多,但主要是经济变量自身特点、数据特点、变量选择及模型函数形式选择引起的。
1.经济变量惯性的作用引起随机误差项自相关
2.经济行为的滞后性引起随机误差项自相关
3.一些随机因素的干扰或影响引起随机误差项自相关
4.模型设定误差引起随机误差项自相关
5.观测数据处理引起随机误差项序列相关
自相关的后果:
线性相关模型的随机误差项存在自相关的情况下,用OLS(普通最小二乘法)进行参数估计,会造成以下几个方面的影响。
从高斯-马尔可夫定理的证明过程中可以看出,只有在同方差和非自相关性的条件下,OLS估计才具有最小方差性。当模型存在自相关性时,OLS估计仍然是无偏估计,但不再具有有效性。
这与存在异方差性时的情况一样,说明存在其他的参数估计方法,其估计误差小于OLS估计的误差;也就是说,对于存在自相关性的模型,应该改用其他方法估计模型中的参数。
1.自相关不影响OLS估计量的线性和无偏性,但使之失去有效性
2.自相关的系数估计量将有相当大的方差
3.自相关系数的T检验不显著
4.模型的预测功能失效
匿名回答于2021-10-01 21:02:15