计量经济学第三章多元回归模型.pptVIP

第三章 多元线性回归模型 第一节 多元线性回归模型及古典假定 一、多元线性回归模型表达式 （一） 标量形式 1、总体模型： 2、总体回归函数（PRF）： 3、样本回归函数（SRF）： 第二节 多元线性回归模型的估计 一、参数的最小二乘估计(OLS) 二、OLS估计量的性质 三、随机扰动项方差的估计 一、参数的最小二乘估计(OLS) 多元线性回归模型的最小二乘估计思路与过程是一元回归模型的直接推广。 三、随机扰动项方差的估计 3.3 多元线性回归模型的检验 一、模型整体显著性检验 二、个别参数的显著性检验 第 三 章 结 束 了！ * * 第一节 多元线性回归模型及古典假定 第二节 多元线性回归模型的估计 第三节 多元线性回归模型的检验 第四节 多元线性回归模型的预测 （二）矩阵形式 BACK 二、模型的古典假定 假设1：零均值 假设2 同方差和无自相关： 假定3、随机扰动项与解释变量不相关： 假定4 无多重共线性： 此即假定解释变量之间线性无关，这样，解释变量数据矩 阵X列满秩：R(X)=k。此时，有 假定5 正态性假定： BACK BACK 第一步：构建残差平方和 第二步：求使得残差平方和最小的参数估计值 OLS估计过程: 化简得： 第三步：得参数（向量） 的最小二乘估计为： 因为样本回归函数为： 两边同乘以X的转置，得： BACK 例子 例：某公司的利润(百万元)主要取决于甲、乙两种重点产品的销售量（万吨）。以该公司1991年至2000年的统计资料为样本（如表所示），试估计利润与两种重点产品销售量之间的线性回归模型。 线性回归模型设定： Y向量及X数据矩阵： 表示，如果甲、乙两种产品的销售量均为零，则公司平均亏损13.8196百万元。 表示，其它条件不变时，产品销售量每增加一万吨，公司的利润平均增加0.5636百万元； 表示，其它条件不变时，乙产品销售量每增加一万吨，公司的利润平均增加1.0995百万元； BACK 二、OLS估计量的性质 1、线性性 2、无偏性 ： 3、最小方差性 最小二乘估计量是总体参数所有估计量中方差最小的估计量。任一估计量的方差 BACK BACK 计算例子 某公司的利润(百万元)主要取决于甲、乙两种重点产品的销售量（万吨）。以该公司1991年至2000年的统计资料为样本（如表所示），试估计利润与两种重点产品销售量之间的线性回归模型。 线性回归模型设定： BACK BACK 一、模型整体显著性检验 （一） 拟合优度检验 1、多重可决系数 2、修正的多重可决系数 3、多重可决系数与修正的多重可决系数关系： （二） 回归方程的显著性检验——F－检验 F检验的步骤： （三）拟合优度和F检验的关系 联系： （1）都是对模型整体显著性检验； （2） 在数值上，二者存在同向变动关系。 区别： F－检验中使用的统计量有精确的分布，而拟合优度检验没有；从而关于模型整体是否显著，F检验可以给出明确判断，而修正可决系数只能给出一个模糊判断 BACK 二、个别参数的显著性检验——T检验 t-检验的具体过程： BACK 3.4 多元线性回归模型的预测 一、应变量平均值点预测 二、应变量个别值的点预测