2010计量经济学第三讲多元线性回归模型参考讲解.docVIP

第三讲 多元线性回归模型 1．假定条件、最小二乘估计量和高斯—马尔可夫定理 多元线性回归模型： yt = (0 +(1xt1 + (2xt2 +…+ (k- 1xt k -1 + ut , (1.1) 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）。 (1.3) Y = X ( + u , (1.4) 为保证得到最优估计量，回归模型（1.4）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( ) = ( 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。 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 - 2X Y + X X (1.5) 因为Y X是一个标量，所以有Y X = X Y。(1.5) 的一阶条件为： = - 2X Y + 2X X= 0 (1.6) 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 （1.7） 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。 求出，估计的回归模型写为 Y = X+ (1.9) 其中= ( … ) 是 ( 的估计值列向量，= (Y - X) 称为残差列向量。因为 = Y - X= Y - X (X X)-1X Y = [I - X (X X)-1 X ]Y (1.10) 所以也是Y的线性组合。的期望和方差是 E() = E[(X X)-1 X Y ] = E[(X X)-1X (X( + u)] = ( + (X X)-1X E(u) = ( (1.11) Var() = E[(?) (E?) ]= E[(X X)-1X u u X (X X)-1] = E[(X X)-1X ( 2I X (X X)-1] = ( 2 (X X)-1 (1.12) 高斯—马尔可夫定理：若前述假定条件成立，OLS估计量是最佳线性无偏估计量。具有无偏性。具有最小方差特性。具有一致性，渐近无偏性和渐近有效性。 2. 残差的方差 s2 = / (T - k) (1.13) s 2是( ( 的无偏估计量，E(s 2 ) =( (。的估计的方差协方差矩阵是 () = s( (X X)-1 (1.14) 3. 多重确定系数（多重可决系数） Y = X+=+ (1.15) 总平方和 SST = = Y Y - T, (1.16) 其中是yt 的样本平均数，定义为= 。回归平方和为 SSR = = - T (1.17) 其中的定义同上。残差平方和为