一、拟合优度检验
目的：建立度量被解释变量的变动在多大 程度上能够被所估计的回归方程所解释的指 标，直观的想法是比较估计值与实际值。即
使用Y围绕其均值的变异的平方和，作为需要
通过回归来解释其变动的度量。
1、总离差平方和的分解
已知由一组样本观测值（Xi,Yi）， i=1,2…,n得到如下样本回归直线
估计结果；
第二，过度依赖方程总体拟合度在评价回归模
型不同设定之间优劣时的作用；
第三，判断系数的大小依赖于解释变量的个数， 从而造成其在评价方程总体拟合度时出现偏误。
相应的处理方法：
第一，在承认回归结果以前，要从模型所隐含
的理论到数据的质量，认真考察和评估所估计方程
的每一个方面；
第二，综合运用各种统计检验和计量检验；
2 2 总体平方和（Total Sum 记 TSS y ( Y Y ) i i of Squares）
2 2 回归平方和（Explained ˆ ˆ ESS y ( Y Y ) i i Sum of Squares）
2 2 残差平方和（Residual ˆ RSS e ( Y Y ) i i i Sum of Squares ）
ˆ 在 实 际 计 算 可 决 系 数 时 ， 在 已 经 估 计 出 后 ： 1
2 x 2 2 i ˆ R 1 y2 i

在例2.1.1的收入－消费支出例中，
2 2 x ( 0 . 777 ) 7425000 i 2 2 ˆ R 0 . 9766 1 2 4590020 y i
拟合优度检验
说 明
回归分析是要通过样本所估计的参数来代替总体 的真实参数，或者说是用样本回归线代替总体回归 线。尽管从统计性质上已知，如果有足够多的重复 抽样，参数的估计值的期望（均值）就等于其总体 的参数真值，但在一次抽样中，估计值不一定就等 于该真值。那么，在一次抽样中，参数的估计值与 真值的差异有多大，是否显著，这就需要进一步进 行统计检验。主要包括拟合优度检验、变量的显著 性检验及参数的区间估计。
拟合优度检验：对样本回归直线与样本观测 值之间拟合程度的检验。度量拟合优度的指标： 判定系数（可决系数）R2 问题一：采用普通最小二乘估计方法，已经 保证了模型最好地拟合了样本观测值，为什么还 要检验拟合程度？
2、可决系数R2统计量
ESS RSS 记 R 1 TSS TSS
2
称 R2 为（样本）可决系数/判定系数（coefficient of determination)。 可决系数的取值范围：[0，1] R2越接近1，说明实际观测点离样本线越近， 拟合优度越高。
第二，尽量使用调整判断系数。
问题：为什么调整判断系数指标 比判断系数指标要好？
提问： 板书：TSS、ESS、RSS、R2的公式； 提问：拟合优度的概念、取值范围、与OLS 思想上的区别、多元回归系数的含义
ˆ ˆX ˆ Y i 0 1 i
ˆ ˆ ˆ y Y Y ( Y Y ) ( Y Y ) e y i i i i i i i
如果Yi=Ŷi 即实际观测值落在样本回归“线” 上，则拟合最好。 可认为，“离差”全部来自回归线，而与 “残差”无关。
对于所有样本点，则需考虑这些点与样本均 值离差的平方和,可以证明：
TSS=ESS+RSS
Y的观测值围绕其均值的总离差(total variation)可分解为两部分：一部分来自回 归线(ESS)，另一部分则来自随机势力 (RSS)。
在给定样本中，TSS不变，如果实际观测点 离样本回归线越近，则ESS在TSS中占的比重 越大，因此定义拟合优度：回归平方和ESS与 Y的总离差TSS的比值。
注：可决系数是一个非负的统计量。它也是 随着抽样的不同而不同。为此，对可决系数的统 计可靠性也应进行检验，这将在第3章中进行。
判断系数的含义：度量了 Y围绕其均值的变异中能够被回 归方程所解释的比例
第一，等于0到1之间。
使用判定系数时必须注意的问题：
第一，盲目的崇拜论文中展示或计算机计算出