计量经济学3.pptVIP

Chapter3 Multiple Regression Analysis : Estimation Chapter3 Multiple Regression Analysis : Estimation 3.1Motivation for Multiple Regression 3.2Mechanics and Interpretation of Ordinary Least Squares 3.3The Expected Value of the OLS Estimation 3.4The Variance of the OLS Estimation 3.5Efficiency of OLS: The Gauss-Markov Theorem 3.1Motivation for Multiple Regression 在实证工作中使用简单回归模型的主要缺陷是，关键假定3（所有其他影响y的因素都与x无关）通常都不现实。 例子：在高中阶段对学生的平均开支对平均标准化考试成绩的影响 为什么多元回归分析更适合于其它条件不变情况下的分析： 1 因为多元回归分析允许我们明确地控制许多其它也同时影响因变量的因素——解释更多的因变量变动。 2 多元回归模型能够容纳许多解释变量，而这些变量可以是相关的。 3 多元回归可以用于建立更好的因变量预测模型 4 多元回归可以容纳更一般的函数形式。 3.1.1 The Model with Two Independent Variables Example1：平均开支、平均家庭收入与平均考试成绩。 多元回归对扩展变量之间的函数关系也有帮助 Example2：家庭消费cons是家庭收入inc的二次函数。 3.1.2 The Model with k Independent Variables 一般的多元回归模型可以写为 Example3：CEO薪水与销售量及其任期 3.2Mechanics and Interpretation of Ordinary Least Squares 3.2.1Obtaining the OLS Estimates 对于含有两个自变量的模型，（待估计的）OLS方程为 更一般地，含有k个自变量的情形： 3.2.2Interpreting the OLS Regression Equation Example4:大学GPA的决定因素 大学平均成绩 colGPA 对高中平均成绩 hsGPA 和大学能力测验分数 ACT 的回归，141名学生，估计结果为 3.2.3On the Meaning of “Holding Other Factors Fixed” in Multiple Regression 多元回归分析的功能在于，尽管不能在其它条件不变的情况下收集数据，但它提供的系数仍可作其它条件不变的解释。 3.2.4 Changing More than one Independent Variable Simultaneously 由于自变量之间可能会存在相关性，因此会出现同时有多个自变量改变的情况。 Example5：小时工资log（wage）对应于受 教育年数（educ）、工作经验（exper）和任现职时间（tenure）的估计结果： 3.2.5 OLS Fitted Values and Residuals 残差项的样本平均值为零 每个自变量和OLS残差之间的样本协方差为零。 点 总位于OLS回归线上: 3.2.6 A “Partialling Out” Interpretation of Multiple Regression 考虑 其中 证明： C3.5的说明（利用WAGE1.RAW） 3.2.7 Comparison of Simple and Multiple Regression Estimates Example6:养老金计划的参与 养老金计划的参与率 prate 对匹配率 mrate 和养老金计划的实施年数（age）的回归结果： 对比prate对mrate的简单回归结果： 3.2.8 Goodness-of-Fit 和简单回归一样，在多元回归分析中也可以定义总平方和、解释平方和、残差平方和 同样有， 几个结论： 当回归中加入另外的解释变量时，R2决不会下降，通常会上升——因为当模型加入更多回归元时，残差平方和决不会增加。 在决定某个变量是否应该被加入模型时，这一事实使得R2并不是一个好的工具。 决定一个解释变量是否应该放入模型的标准是：如果该解释变量在总体中对y的局部效应非零，那么该变量就应被视为解释变量。 Example4:大学GPA的决定因素（续） 3.2.9 Regression through the Orig