计量经济学课件：第三章 多元线性回归模型.docVIP

第三章 多元线性回归模型 第一节 多元线性回归模型及基本假定 问题：只有一个解释变量的线性回归模型能否满足分析经济问题的需要？ 简单线性回归模型的主要缺陷是：把被解释变量Y看成是解释变量X的函数是前提是，在其它条件不变的情况下，并且，所有其它影响Y的因素都应与X不相关，但这在实际情况中很难满足。 怎样在一元线性回归的基础上引入多元变量的回归？ 看教科书第72—73页关于汽车销售量的影响因素的讨论。 一、多元线性回归模型的意义 1、建立多元线性回归模型的意义，即一元线性回归模型的缺陷，多个主要影响因素的缺失对模型的不利影响。 在一元线性回归模型中，如果总体回归函数的设定是正确的，那么，根据样本数据得到的样本回归模型就应该有较好的拟合效果，这时，可决系数就应该较大。相反，如果在模型设定时忽略了影响被解释变量的某些重要因素，拟合效果可能就会较差，此时可决系数会偏低，并且由于忽略了一些重要变量而对误差项的影响会加大，这时误差项会表现出一些违背假定的情况。 2、从一个解释变量到多个解释变量的演变。一个生产函数的例子，一个商品需求函数的例子，（教材第74页）。 二、多元线性回归模型及其矩阵表示 1、一般线性回归模型的数学表达式。设 i=1，2，3，…，n 在模型表达式里，仍是截距项，它反映的是当所有解释变量取值为零时，被解释变量Y的取值；（j=2，3，…，k）为斜率系数，它的经济含义：在其它变量不变的情况下，第j个解释变量每变动一个单位，Y平均增加（或减少）个单位，这就是所谓的运用边际分析法对多元变量意义下回归参数的解释。因此，称为偏回归系数，它反映了第j个解释变量对Y的边际影响程度。 2、总体回归函数，即 3、样本回归函数，即 4、将n个样本观测值代入上述表达式，可得到从形式上看，像似方程组的形式。并在此基础上，转化成矩阵表达的形式，即 三、模型的基本假定 在一元线性回归模型的基础上，可将在第二章中提出的基本假定平行地推到多元回归模型中去，但对多个解释变量之间还需做出新的假定。下面给出多元线性回归模型的基本假定（用矩阵表示）。 1、零均值假定。 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、无多重共线性假定。解释变量之间要求无多重共线性的意义。即对于解释变量之间，如果不存在不全为零的数，使得成立。 。 5、正态性假定。 独立同分布,且～N(0, σ2 ) 第二节 多元线性回归模型的估计 一、参数的最小二乘估计 1、构造残差平方和。设为一组样本观测值，按残差的定义，有 进一步得到残差平方和 2、最小二乘准则。求，使得函数Q有最小值。按照极值原理，求上述函数关于参数的偏导数，得 这样得如下正规方程组 注意方括号里的表示，即 用矩阵表示为 由回归模型的样本估计形式 对上式两端同时乘以，得 因为，所以得到如下表示 根据无多重共线性假定，这时有存在，从而解出，得 即参数估计的矩阵表达式。中各分量就是参数的估计值，即。这样，我们便得到样本回归模型 3、偏回归系数。对模型 中的参数估计值的解释。 ①（j=2，3，…，k）表明的是（j=2，3，…，k）对的边际影响。 ②多元线性回归模型的标准化形式。由于出现在模型中各个变量的单位不尽一致，这时会对变量的边际解释带来干扰，因此，需要对变量进行标准化处理。对变量进行标准化变换可得到模型的标准化形式，用标准化形式能够真实地反映每一个解释变量对应变量的直接（边际）影响。标准化变换过程如下 例如，基于下表的数据，用EViews软件计算得线性回归模型如下，其中Y表示家庭书刊消费水平，X表示家庭收入，T表示户主受教育年限。 Y X T 450 1027.2 8 507.7 1045.2 9 613.9 1225.8 12 563.4 1312.2 9 501.5 1316.4 7 781.5 1442.4 15 541.8 1641 9 611.1 1768.8 10 1222.1 1981.2 18 793.2 1998.6 14 660.8 2196 10 792.7 2105.4 12 580.8 2147.4 8 612.7 2154 10 890.8 2231.4 14 1121 2611.8 18 1094.2 3143.4 16 1253 36