建模讲座--- 多元回归模型.pptVIP

数学建模讲座 假设1，解释变量是非随机的或固定的，且各X之间互不相关（无多重共线性）。 假设2，随机误差项具有零均值、同方差及不序列相关性 谢谢大家！ 1、t统计量 以cii表示矩阵(X’X)-1 主对角线上的第i个元素 2、t检验 设计原假设与备择假设： H1：?i?0 给定显著性水平?，可得到临界值t?/2(n-k-1)，由样本求出统计量t的数值，通过 |t|? t?/2(n-k-1) 或 |t|?t?/2(n-k-1) 判断拒绝或不拒绝原假设H0，从而判定对应的解释变量是否应包括在模型中。 H0：?i=0 （i=1,2…k） 地区城镇居民消费模型 3、关于常数项的显著性检验 T检验同样可以进行。 一般不以t检验决定常数项是否保留在模型中，而是从经济意义方面分析回归线是否应该通过原点。 四、参数的置信区间 Confidence Interval of Parameter 1、区间估计 回归分析希望通过样本得到的参数估计量能够代替总体参数。 假设检验可以通过一次抽样的结果检验总体参数可能的假设值的范围（例如是否为零），但它并没有指出在一次抽样中样本参数值到底离总体参数的真值有多“近”。 要判断样本参数的估计值在多大程度上“近似”地替代总体参数的真值，需要通过构造一个以样本参数的估计值为中心的“区间”，来考察它以多大的可能性（概率）包含着真实的参数值。这种方法就是参数检验的置信区间估计。 如果存在这样一个区间，称之为置信区间； 1-?称为置信系数（置信度）（confidence coefficient）， ?称为显著性水平；置信区间的端点称为置信限（confidence limit）。 2、参数的置信区间 在(1-?)的置信水平下 3、如何才能缩小置信区间？ 增大样本容量n，因为在同样的样本容量下，n越大，t分布表中的临界值越小，同时，增大样本容量，还可使样本参数估计量的标准差减小。 提高模型的拟合优度，因为样本参数估计量的标准差与残差平方和呈正比，模型优度越高，残差平方和应越小。 提高样本观测值的分散度,一般情况下，样本观测值越分散，(X’X)-1的分母的|X’X|的值越大，致使区间缩小。 §4 多元线性回归模型的预测 一、E(Y0)的置信区间 二、Y0的置信区间 一、E(Y0)的置信区间 于是，得到(1-?)的置信水平下E(Y0)的置信区间： 其中，t?/2为(1-?)的置信水平下的临界值。 二、Y0的置信区间 如何根据置信区间正确地陈述预测结果？ §5 回归模型的其他函数形式 说 明 在实际经济活动中，经济变量的关系是复杂的，直接表现为线性关系的情况并不多见。 如著名的恩格尔曲线(Engle curves)表现为幂函数曲线形式、宏观经济学中的菲利普斯曲线（Pillips cuves）表现为双曲线形式等。 但是，大部分非线性关系又可以通过一些简单的数学处理，使之化为数学上的线性关系，从而可以运用线性回归模型的理论方法。 一、模型的类型与变换 1、倒数模型、多项式模型与变量的直接置换法 例如，描述税收与税率关系的拉弗曲线：抛物线 s = a + b r + c r2 c0 s：税收； r：税率 设X1 = r，X2 = r2， 则原方程变换为 s = a + b X1 + c X2 c0 2、幂函数模型、指数函数模型与对数变换法 例如，Cobb-Dauglas生产函数：幂函数 Q = AK?L? Q：产出量，K：投入的资本；L：投入的劳动 方程两边取对数： ln Q = ln A + ? ln K + ? ln L 3、复杂函数模型与级数展开法 方程两边取对数后，得到： (?1+?2=1) Q:产出量，K：资本投入，L：劳动投入 ?：替代参数， ?1、?2：分配参数 例如，常替代弹性CES生产函数 将式中ln(?1K-? + ?2L-?)在?=0处展开台劳级数,取关于?的线性项，即得到一个线性近似式。 如取0阶、1阶、2阶项，可得 1、线性性 其中,C=(X’X)-1 X’ 为一仅与固定的X有关的行向量 2、无偏性 这里利用了假设: E(X’?)=0 3、有效性（最小方差性） 其中利用了 和 三、样本容量问题 1、