第三章多元回归估计.pdfVIP

第三章 多元回归分析——估计 • 模型 • 与简单回归的相似点 • 多元回归的意义 • 多元回归的最小二乘法 • 拟合度 • 多重共线性 • 多元回归的代数性质 • 遗漏变量 • 多元回归的统计性质 多元回归分析模型 • y = β + β x + β x + . . . +β x + u 0 1 1 2 2 k k y β +βx +βx + +βx +μ L i 0 1 i1 2 i2 k ik i y 1 x L x β μ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ 1 11 1k 0 1 ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ y M ,x M M M ,β M ,μ M ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ y 1 x L x β μ n n1 nk k n ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ y x =+ β μ 与简单回归的相似点 • β 仍然是截距 0 • β 到 β 都成为斜率参数 1 k • u 仍然是误差项（或称扰动项） • 仍然需要做一个条件期望为0的假设，现在 假设：E(u|x ,x , …,x ) = 0 1 2 k • 仍然最小化残差的平方和，所以现在有k+1 个一阶条件 多元回归的动机 • 统计学看： – 回归分析的基本假设： E[μ|X] 0 – 此假设在简单回归时不一定成立，但加入新的 变量后此假设可能成立 – 例、 工资=β +β 教育+β 勤奋程度+ε （）1 0 1 2 工资=β +β 教育+η （2 ） 0 1 – 其中教育程度和勤奋是相关的，（2 ）中 η β 勤奋程度+ε E [η | 教育] 0 的 2 ， 因而 的假设 不成立，即使