第1个回答 2022-09-30
模型的检验主要包括：统计检验、经济意义检验、模型的预测检验和计量经济学检验。
各模型的检验的意义：统计检验：需要检验模型参数估计值的可靠性，包括拟合优度检验、变量显著检验、方程显著性检验等；经济意义检验：需要检验模型是否符合经济意义，检验求得的参数估计值的符号、大小、参数之间的关系是否与根据人们的经验和经济理论所拟订的期望值相符合；
计量经济学检验：计量经济学检验检验的是模型的计量经济学性质，其中包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等； 模型的预测检验，主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度。
扩展资料：
线性回归模型的一个局限性是要求因变量是定量变量(定距变量、定比变量)而不能是定性变量(定序变量、定类变量)。但是在许多实际问题中，经常出现因变量是定性变量(分类变量)的情况。可用于处理分类因变量的统计分析方法有：判别分析( Discriminantanalysis)、 Probit分析、 Logistic回归分析和对数线性模型等。在社会科学中,应用最多的是 Logistic回归分析。
Logistic回归分析根据因变量取值类别不同，又可以分为二元 Logistic回归分析和多元 Logistic回归分析，二元 Logistic回归模型中因变量只能取两个值1和0(虚拟因变量)，而多元 Logistic回归模型中因变量可以取多个值。
参考资料来源：百度百科-Logit模型
相似回答