3.1多元线性回归模型.pptVIP

第三章 经典单方程计量经济学模型：多元线性回归模型 (Estimation of Multiple Linear Regression Model) 多元线性回归模型 多元线性回归模型的参数估计 多元线性回归模型的统计检验 多元线性回归模型的预测 回归模型的其他形式 §3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式： 二、多元线性回归模型的基本假定 假设1，回归模型是正确设定的（即线性回归假设）。 二、多元线性回归模型的基本假定 假设5，解释变量与随机项不相关 * i=1,2…,n 其中:k为解释变量的数目，?j称为回归参数（regression coefficient）。 Y=β0+β1X1+β2X2+ … +βkXk+μ Yi=β0+β1Xi1+β2Xi2+ … +βkXik+μi 或 也被称为总体回归函数的随机表达形式。它的非随机表达式为: 表示：各变量X值固定时Y的平均响应。 习惯上：把常数项看成为一虚变量的系数，该虚变量的样本观测值始终取1。于是： 模型中解释变量的数目为（k+1） Yi=β0Xi0+β1Xi1+β2Xi2+ … +βkXik+μi =β0Xi0+β1Xi1+β2Xi2+ … +βkXik 多元线性回归模型的矩阵表达形式： y1 Y= y2 yn n×1 … 12 1k 21 2k n1 n2 nk 其随机表示式: ei称为残差或剩余项(residuals)，可看成是总体回归函数中随机扰动项?i的近似替代。 样本回归函数的矩阵表达: 或 其中： 用来估计总体回归函数的样本回归函数为： i1 i2 ik k i1 i2 ik 假设2，解释变量是非随机的或固定的，且各Xj之间不存在严格线性相关性（无完全多重共线性）。 假设3，各解释变量Xj在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本方差趋于一有限常数。 假设4，随机误差项具有零均值、同方差及不序列相关性。 假设6，随机项满足正态分布 i=1,2, …,n ij *