第6讲 多元线性回归分析.pptVIP

多元线性回归 1 多元线性回归模型 2 回归方程的拟合优度 3 显著性检验 多重判定系数 多重判定系数 回归平方和占总平方和的比例 计算公式为 因变量取值的变差中，能被估计的多元回归方程所解释的比例 修正多重判定系数(adjusted multiple coefficient of determination) 用样本容量n和自变量的个数p去修正R2得到 计算公式为 避免增加自变量而高估 R2 意义与 R2类似 数值小于R2 估计标准误差 Sy 对误差项?的标准差?的一个估计值 衡量多元回归方的程拟合优度 计算公式为 线性关系检验 回归系数检验和推断 回归系数的检验 线性关系检验通过后，对各个回归系数有选择地进行一次或多次检验 究竟要对哪几个回归系数进行检验，通常需要在建立模型之前作出决定 对回归系数检验的个数进行限制，以避免犯过多的第一类错误(弃真错误) 对每一个自变量都要单独进行检验 应用 t 检验统计量 回归系数的推断 (置信区间) ?回归系数在(1-?)%置信水平下的置信区间为 我们很容易可以得到 调整的R2 ， (1 – R2)(n – 1) / (n – k – 1), 大部分的软件会同时给出 R2 和 调整的R2。 可以通过比较调整的R2 来比较两个模型（同一个y）的拟合程度。 但是不能通过调整的R2 来比较两个被解释变量不同的模型（如： y 与 ln(y) ） 重要的是不要过于关注调整的R2 而忽略了理论和经济常识本身 如果经济理论清楚地预计某个变量应当被包括进来，那么就加入这个变量 不要加入影响对所关注的变量进行合理解释的变量；切记多元回归含意之一是控制了其它因素。 变量的数量限制 受分析目的的限制 受观测数据量的限制 多元回归模型、回归方程、估计方程 回归方程的拟合优度 显著性检验 用 Excel 进行回归分析 眼 光 真正的发现之旅， 不是为了寻找 全新的景色， 而是为了拥有 全新的眼光。 瀑布 是江河走投无路时 创造的 奇迹。 宁可失败在 你所喜欢的工作中； 也不要成功在 你所憎恶的事情上。 最快的脚步， 不是跨越， 而是继续； 最慢的脚步， 不是小步， 而是徘徊。 请注意： 镜子反映了 真实， 但 相反。 只有疯狂到 认为自己 能够改变全世界的人， 才有可能， 真正地 改变全世界。  谈论别人的缺点 是不明智的； 聪明的人 从不谈论别人的缺点， 他们谈论的是 人类的缺点。 * 2 回归方程的拟合优度 多重判定系数 估计标准误差 Excel 输出结果的分析 Excel 输出结果的分析 OLS 估计量的统计性质 可以证明两变量模型的最小二乘估计量同样具有如下性质： 1. 线性性： 2. 无偏性： j=0、1、2 3.最小方差性：在所有线性无偏估计量中，最小二乘估计量具有最小的方差。 （证明略） u项方差 的无偏估计量 定理： 是 的一个无偏估计量 （证明略） 模型的统计检验 我们研究的模型是：Y= ? 0+ ? 1X1+ ? 2X2+u 1.参数估计值的分布 这里： 将上述方差中的 换为 计算得： j=0 ，1， 2 2. 变量的显著性检验（t检验） （1）.构造 t 统计量 由数理统计知识可以证明： ~ t（n-3） 其中j=0，1 ，2 （2）. t检验的步骤： （i）提出提出原假设H