为什么对已经估计出参数的模型还要进行检验？你能举一个例子说明各种检验的必要性吗？

是的。

重要性：

首先，在设定模型时，所引用的经济理论可能是不完善的；或者虽然经济理论是正确的但是我们对问题认识的局限性导致了结果的特殊性，可能有偏差。

其次，我们用以估计参数的统计败腔枝数据或其他信息可能并不十分可靠，或者较多的采用了经济突变时期的数据，不能真实代表所研究的经济关系，或者由于样本太小，会有抽样的偶然误差。

因此需要用检验对估计的参数进行评判，判定是否有经济意义，判断统计上是否有足够的可靠性。

扩展资料：

对于回归问题，一般采用均方误差验证。对于分类问题，首先要明确两个概念：查准率和查全率。数据可以分成四种类别：真正例TP、真反例TN、假正例FP、假反例FN。

TP是指预测结果是正例，实际也是正例的数据；TN指预测结果是反例，实际也是反例的数据；FP是指预测结果是正例，实际是反例的数据；FN指预测结果是反例，实际是正例的数据。可以构成一个混淆矩阵。

查全率表示在实际是正例/反例的数据中预测为正例/反例的比例，就好比瓜农拿了几个好瓜给我们，我们觉得有几个瓜比较甜，实际上全都很圆敬甜。查准率和查全率是比较矛盾的两个指标，一方较大那么另一方往往会较小。

P-R曲线可以用来评估两个学习器的效果好坏察敏，以查准率为横轴、查全率为纵轴。如果一条学习器的曲线能完全包住另一条曲线，那么前者的效果比后者好。如果两条曲线有交叉，那么平衡点离两个坐标轴较远的学习器效果较好。

对于roc曲线而言，如果一个学习器的曲线能够完全包住另一条曲线，那么前者的效果好于后者，这和P-R曲线相同。

参考资料来源：百度百科——模型检验

原因首先，在设定模型时，所引用的经济理论缓迹亩可能是不完善的州轮；或者虽然经济理论是正确的但是我们对问题认识的局限性导扰森致了结果的特殊性，可能有偏差。
其次，我们用以估计参数的统计数据或其他信息可能并不十分可靠，或者较多的采用了经济突变时期的数据，不能真实代表所研究的经济关系，或者由于样本太小，会有抽样的偶然误差。
因此需要用检验对估计的参数进行评判，判定是否有经济意义，判断统计上是否有足够的可靠性。