第九讲多元线性回归解析.ppt

1、乘法模型： 两边取自然对数，得到： ln（Y）=ln（B0）+B1ln（X1）+B2ln（X2）+…Bkln（Xk）+ln（ε） 2、指数模型1： 两边取自然对数，有： 3、指数模型2： 例2、已知统计资料如表所示，试根据表中资料，以每个居民的月平均收入（百元）和A 商品的价格（10元）为自变量，拟合乘法模型形式的A商品需求函数。并利用以上建立的样本回归方程，预测居民人均收入为2200元、商品单价为0.50元时的A商品需求量。 年次 1 2 3 4 5 6 7 8 9 10 销售量Y（百件） 10 10 15 13 14 20 18 24 19 23 居民人均收入X2（百元） 5 7 8 9 9 10 10 12 13 15 单价X3 (10 元) 2 3 2 5 4 3 4 3 5 4 解：（1）需求函数的乘法模型如下： 利用双对数变换法，同时加入随机误差项，可得以下线性回归函数： 其中 ?1=ln(a), ?2=b2, ?3=b3 对上表给出的销售量Y、居民人均收入X2 和 商品价格X3，求自然对数可得： 年次 Yt* X2t* X3t* 1 2.3026 1.6049 0.6931 2 2.3026 1.9459 1.0986 3 2.7081 2.0794 0.6931 4 2.5649 2.1972 1.6094 5 2.6391 2.1972 1.3863 6 2.9957 2.3026 1.0986 7 2.8904 2.3026 1.0986 8 3.1781 2.4849 1.0986 9 2.9444 2.5649 1.6094 10 3.1355 2.7081 1.3863 2.48 7.70 -2.80 F=33.60 = 0.89 由上式可知：居民收入的需求弹性约为1.16，而价格的需求弹性约为-0.4。在其他情况不变得条件下，居民人均收入每增加1%会使A 商品的需求增加1.16%，价格每提高1%，会使A 商品需求减少0.4%。 （2）预测。将前面给出的居民收入(2200元)和价格（0.5元）代入该式，可得： （百件） 七、自变量为定类变量的回归模型 在社会科学研究中，有许多定类变量，比如地区、职业、性别、民族和居住地等； 应用这些信息进行线性回归，必须先将定类变量转换为虚拟变量，所得到的回归结果才有明确的解释意义。 1、虚拟变量的建立 设X是有k分类的名义变量，在数据处理时以不同的编码值代表个案所属的类型。因为定类变量的各类根本没有定量关系，不能像定距变量的那样，分析x变化一个单位，y的平均变化。因此，必须以类为单位，分析各类变化对y的影响。 用取值为0和1的变量代表不同类别的属性，这在统计学上被称为虚拟变量（dummy variable）。当个案属于虚拟变量所代表的一个类别时，这个虚拟变量就赋值为1，否则便赋值为0。 例如，分析妇女的年龄（AGE）、文化程度（EDU）及居住地（AREA）的状况对其曾生子女数（CEB）的影响。 其中文化程度共有5类，原变量用编码数字1至5代表，分为文盲或半文盲、小学、初中、高中和大学，需要设置四个虚拟变量加以表示。 居住地只分为城市和农村两类，因此只需设一个虚拟变量。 在受教育程度中取文盲或半文盲为参照类，用DE2、DE3、DE4、DE5分别表示小学、初中、高中和大学；在居住地中取农村为参照类，DU表示居住在城市。 根据原变量的编码形成相应虚拟变量时的赋值操作规则如下： 原变量编码值 虚拟变量赋值操作 EDU=1（文盲） 所有DEi=0 EDU=2（小学） DE2=1，其他DEi=0 EDU=3（初中） DE3=1，其他DEi=0 EDU=4（高中） DE4=1，其他DEi=0 EDU=5（大学） DE5=1，其他DEi=0 AREA=1（城市） DU=1 AREA=2（农村） DU=0 例：不同年龄、受教育程度和居住地妇女曾生子女数的样本数据 原变量值 设立的虚拟变量值 CEB AGE EDU AREA DE2 DE3 DE4 DE5 DU 1 20 3 1 0 1 0 0 1 1 22 4 2 0 0 1 0 0 2 24 3 2 0 1 0 0 0 1 25 5 1 0 0 0 1 1