农大计量经济学(多元回归模型).pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * 2、预测值的置信区间 但是，严格地说，这只是被解释变量的预测值的估计值，而不是预测值。 原因在于： 由于随机因素的影响，模型中的参数估计量是不确定的。 所以，我们得到的仅能是预测值的一个估计值，预测值仅以某一个置信水平处于以该估计值为中心的一个区间中。 于是，又是一个区间估计问题。 下面进行置信区间的推导： 这就是说:当给定解释变量值X0后，能得到被解释变量Y0以（1-?）的置信水平处于该区间的结论。 3、如何缩小置信区间 增大样本容量n，因为在同样的样本容量下，n越大，t分布表中的临界值越小，同时，增大样本容量，还可使样本参数估计量的标准差减小； 提高模型的拟合优度，因为样本参数估计量的标准差与残差平方和呈正比，模型优度越高，残差平方和应越小。 提高样本观测值的分散度,一般情况下，样本观测值越分散，(XX)-1的分母的|XX|的值越大，致使区间缩小。 4、一点启示 计量经济学模型用于预测时，必须严格科学地描述预测结果。 如果要求给出一个“准确”的预测值，那么真实值与该预测值相同的概率为0。 如果要求以100%的概率给出区间，那么该区间是(-∞, ∞)。 模型研制者的任务是尽可能地缩小置信区间。 五、多元线性回归分析计算步骤及主要公式 例3.1：设某中心城市对各地区商品流出量Y取决于各地区的社会商品购买力X1以及各地区对该市的商品流入X2，即可能有如下总体回归方程： （2）统计检验 拟合优度检验： 总体显著性检验（F检验）： 参数显著性检验（t检验） * * * * * * * * * * * * * * * * * ⑴．线性性 因为 记矩阵 的第j行第i列的元素为aji，则 是矩阵 的第j+1行与列矩阵Y的乘积，即 这就是说， 中的任意一个都可以表示为 的线性组合。 满足线性性。 、 、 、 、 、 、 、 、 3、OLS估计量的统计性质 被解释变量 ⑵、无偏性 因为 所以 ⑶．有效性 因为 的方差-协方差矩阵为 记矩阵 的主对角线上 的第i个元素为cii，则 ⑷、高斯—马尔可夫定理(Gauss-Markov theorem) 在给定经典线性回归的假定条件下，最小二乘（OLS)估计量是具有最小方差的最优线性无偏估计量（BLUE：Best Linear Unbiasedness Estimator)。 证明： 设 是 的无偏估计 的协方差矩阵 4、参数估计量的方差-协方差矩阵和随机误差项?2方差的估计 疑问：在无偏性证明中将参数估计量看作随机量，而在正规方程组的推导中又将它看作确定值。如何解释？ 解释：将一组具体样本资料代入参数估计量的表达式给出的参数估计结果是一个“估计值”，或者“点估计”，是参数估计量的一个具体数值，是确定的；但从另一个角度，仅仅把它看成是参数估计量的一个表达式，那么，则是被解释变量观测值的函数，而被解释变量是随机变量，所以参数估计量也是随机变量，在这个角度上，称之为“估计量”。 ⑴、一个疑问与回答 ⑵、参数估计量的方差-协方差 将参数估计量看作随机量，具有数字特征。 参数估计量的方差以及不同参数估计量之间的协方差在模型理论中具有重要性。 具体描述如下： 参数 的方差－协方差矩阵的矩阵符号表达式： ⑶、随机误差项方差?2的估计 于是：第i个参数估计量 的方差、标准差、协方差可分别用其样本方差、标准差、协方差作为估计量 5、样本容量问题 所谓“最小样本容量”，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 ⑴、 最小样本容量 样本最小容量必须不少于模型中解释变量的数目（包括常数项）,即 n ? k+1 因为，无多重共线性要求：秩(X)=k+1 ⑵、满足基本要求的样本容量 从统计检验的角度： n?30 时，Z检验才能应用； n-k?8时, t分布较为稳定 一般经验认为: 当n?30或者至少n?3(k+1)时，才能说满足模型估计的基本要求。 模型的良好性质只有在大样本下才能得到理论上的证明 三、多元线性回归模型的统计检验 1、拟合优度检验 （1）总离差平方和的分解 由于： 所以有： （2）总离差平方和、残差平方和与回归平方和的矩阵表达式 2、可决系数r2和调整后的可决系数R2 一般说来，模型中增加一个解释变量，回归平方和往往会增大（至少不会减少），导致r2增大。 这就给人一个错觉：要使得模型拟合得好，只