第三章 多元回归模型及其统计推断.pptVIP

3.1 模型结构与假定条件 多元线性回归模型： yt = ?0 +?1xt1 + ?2xt2 +…+ ?k-1xt k -1 + ut （3-1） 其中yt是被解释变量（因变量），xt j是解释变量（自变量），ut是随机误差项，?i, i = 0, 1, … , k - 1是回归参数（通常未知）。 对经济问题的实际意义：yt与xt j存在线性关系，xt j, j = 0, 1, … , k - 1, 是yt的重要解释变量。ut代表众多影响yt变化的微小因素。使yt的变化偏离了E( yt) = ?0 +?1xt1 + ?2xt2 +…+ ?k- 1xt k -1 决定的k维空间平面。 3.1 模型结构与假定条件（2） 当给定一个样本（yt , xt1, xt2 ,…, xt k -1）, t = 1, 2, …, T时, 上述模型表示为： y1 = ?0 +?1x11 + ?2x12 +…+ ?k- 1x1 k -1 + u1, 经济意义：xt j是yt的重要解释变量。 y2 = ?0 +?1x21 + ?2x22 +…+ ?k- 1x2 k -1 + u2, 代数意义：yt与xt j存在线性关系。 ……….. 几何意义：yt表示一个多维平面。 yT = ?0 +?1x T 1 + ?2x T 2 +…+ ?k- 1x T k -1 + uT, (3.2) 此时yt与x t i已知，?j与 ut未知 即Y = X ? + u （3－3）, 3.1 模型结构与假定条件（3） 为保证得到最优估计量，回归模型（3-3）应满足如下假定条件。 假定 ⑴ 随机误差项ut是非自相关的，每一误差项都满足均值为零，方差 ?2相同且为有限值，即 E(u) = 0 = , Var (u) = E(u u ) = ? 2I = ? 2 假定 ⑵ 解释变量与误差项相互独立，即 E(X u) = 0 假定 ⑶ 解释变量之间线性无关。 rk(X ‘X) = rk(X) = k，其中rk(?)表示矩阵的秩。 假定⑷ 解释变量是非随机的，且当T → ∞ 时 T– 1X ‘X → Q ，其中Q是一个有限值的非退化矩阵。 3.2 多元OLS估计 最小二乘 (OLS) 法的原理是求残差（误差项的估计值）平方和最小。代数上是求极值问题。 minS = (Y – X ) (Y – X ) = Y Y - X Y - Y X + X X = Y Y – 2 X Y + X X (3.4) 因为Y X 是一个标量，所以有Y X = ‘X ’Y。 (3.4) 的一阶条件为： = - 2X Y + 2X X = 0 化简得X Y = X X . 因为 (X X) 是一个非退化矩阵（见假定⑶），所以有 = (X X)-1 X Y 3.3 估计量的性质 线性性： = (X ‘X)-1 X ’Y ，因为X的元素是非随机的，(X ‘X) -1X是一个常数矩阵，则 是Y的线性组合，为线性估计量。 无偏性：E( ) = E[(X X)-1 X Y ] = E[(X X)-1X (X? + u)] = ? + (X X)-1X E(u) = ? 有效性：（证明见附录3－1、3－2） Var( ) = E[( –?) ( –?)]= E[(X X)-1X u u X (X X)-1] = E[(X X)-1X ? 2I X (X X)-1] = ? 2 (X X)