Chapter_04_多元回归模型_估计与假设检验解说.ppt

Chapter 04多元回归模型：估计与假设检验;前 言;第一节 三变量线性回归模型;第二节 多元线性回归模型的若干假定;在经典线性回归模型（CLRM）框架下，对（4.1.1）作如下假定： ui的均值为零，即： 对每一个i （4.1.2） 无序列相关： （4.1.3） 同方差性： （4.1.4） ui与每一个X变量之间都有零协方差： （4.1.5） ; 其实，只要X2和X3是非随机的，并且有（4.1.2）成立，则这个假定就自动得到满足。 无设定偏误，或： 模型被正确地设定 （4.1.6） X诸变量间无精确的共线性，或 X2与X3之间无精确的线性关系 （4.1.7） （No exact linear relationship between X2 and X3） 另外，还假定：复回归模型对参数而言是线性的；回归元的值在重复抽样中是被固定的，以及回归元的取值有足够的变异性（variability）。; （4.1.7）式要求X2和X3之间无精确的线性关系，用专业术语讲就是无共线性（no collinearity）或无多重共线性（no multicollinearity）。简单地说，就是没有一个解释变量可以写成其余解释变量的线性组合。 从数学上看，无共线性的含义是，不存在一组不全为零的 和 ，使得： （4.1.8） 如果这一关系式存在，则说明X2和X3是共线的（collinear）或线性相关的（linearly dependent）。 如果（4.1.8）式仅当 时成立，则说X2和X3是线性独立的。 ; 如果 ，这会不会破坏无共线性的假定呢？不会，因为这里的两个变量的关系是非线性的，并不违背回归元之间没有精确线性关系的要求。 在极端情形下，如果X2和X3存在准确的线性关系，比如 ，则独立的解释变量实际上只有一个，而不是两个了： ? ;4.2 对多元回归方程的解释 把（4.1.1）的两边对Y求条件期望得： （4.2.1） 可见，复回归分析是以多个解释变量的固定值为条件的回归分析。我们所获得的，是各个自变量X值固定时，Y的平均值或Y的平均响应（mean response）。 偏回归系数的含义 偏回归系数的含义： 度量着在保持X3不变的情况下，X2每变化1个单位时，Y的均值 的变化。换一句话说， 给出X2的单位变化对Y均值的“直接”或“净”影响（不受到X3的影响）。 则给出了X3的单位变化对Y均值的“直接”或“净”影响，净在不沾有X2的影响。; 如何分离出X2对Y的“真实”或净影响呢？ 第一步：Y仅对X3回归： （4.3.1） 其中 是样本残差项，b13的下标1指变量Y。 第二步：X2对X3回归： （4.3.2） 其中 也是残差项。于是： （4.3.3） ; （4.3.4） 其中 和 是分别从回归（4.3.1）和（4.3.2）得来的估计值。 残差 和 的含义： 表示去掉 X3 对 Y 的（线性）影响后的Yi值； 表示除去 X3 对 X2 的（线性）影响后的 X2i 的值。 这样以来， 和 就代表是“净化了的（purified）” Yi 和X2i 。即除去了X3 的影响（沾染）的 Yi 和 X2i 。 ; 第三步：做 对 的回归： （4.3.5） 其中， 是样本残差项。 那么， 就是 X2 对 Y 的“真实”或净影响的一个估计，或