多元回归的分析：估计问题.ppt

第六讲： 多元回归分析：估计问题 主要内容： 使用多元回归的动因 多元回归的参数估计 模型假定的再思考 多元回归的拟合优度 应用：多项式回归模型 6.1 使用多元回归的动因 多元回归分析优点： 允许明确地控制许多其他的同时影响被解释变量的因素，更适合于其他条件不变情况下的分析。 模型中多增加些有助于解释被解释变量的因素，被解释变量能更多地得到解释，可用于建立更好的预测。 多元回归模型是经济学和其它社会科学进行计量分析时使用最为广泛的一个工具。 6.2 多元回归的参数估计 当我们将解释变量的个数增加后，就可以得到一般的多元回归模型形式（PRF） 多元回归的样本函数（SRF） ?计算参数估计值 OLS法估计参数 以两个解释变量为例 （6-5） （6-6） 求出 ， ， ，以使（6-6）最小。 ？对回归方程的解释 由式（6-7）可算出参数估计值，可以得到： （6-8） ， 代表了什么含义，如何去解释它们。 对式（6-8）进行变形 当 ，有 当 ，有 ， 可以用来反映在保持其他因素不变情况下，各自对被解释变量的影响。 解释： ：在保持 不变的情况下， 每增加一个单位，被解释变量平均提高 个单位。 多元回归分析使我们能在非实验环境中去做自然科学家在受控实验中所能做的事情：保持其他因素不变。 6.3 模型假定的再思考 假定1：解释变量是非随机的 假定2： 假定3：回归模型对参数而言是线性的 假定4：解释变量的样本有变异 假定5：同方差性， 假定6： 独立于解释变量 假定7： 服从独立正态分布 假定8：解释变量间没有完全的多重共线性 假定8：解释变量间没有完全的多重共线性 1、允许解释变量之间存在相关关系 2、不能具有完全共线性 1、允许解释变量之间存在相关关系 事实上，几乎很难找到两个或多个在某个程度上不相关的经济变量，这正是多元回归分析的目标所在，让我们能够在相关关系存在下，研究解释变量各自对被解释变量的影响。 2、不能具有完全的共线性 完全的共线性： 对解释变量 而言，若存在不全为零的常数 ，使得 成立， 称 具有完全的共线性 例：考虑如下一个模型 是否存在着多重共线性？ 假定9：模型形式设定正确 从多元分析角度看简单回归： 模型设定偏误初探 两个设定问题 1、对模型进行了过度设定（包含了一个无关的变量） 模型应该是（6-8），却设定为（6-9） 即对（6-9）来讲， 。即 对 没有影响。 由OLS估计样本函数 满足无偏性，即有 模型进行了过度设定，不会影响到参数估 计量的无偏性，但其方差变大 2、模型设定不足（遗漏了重要的变量） 模型应该是（6-9），却设定为（6-8） 我们在排除了 的情况下估计了模型 得到方程 当 或者 时， 是无偏的 但实际情况是这样一个重要的解释变量被遗漏，最后的结果变为 模型设定不足，所得到的参数估计量有偏的，错误的拟合一个模型会导致严重后果。 6.4 多元回归的拟合优度 ：校正 通过对 进行自由度调整后得到的判定 系数。 比较两个 值 追求 最大化