3多元线性回归模型探究.ppt

第三章 经典单方程计量经济学模型：多元线性回归模型 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 回归模型的参数约束 §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： §3.2 多元线性回归模型的估计 估计方法： 3大类方法：OLS(一般最小二乘估计）、 ML（最大似然估计）、 MM （矩估计） 在经典模型中多应用OLS 在非经典模型中多应用ML或者MM 在本节中， 只介绍OLS方法 一、普通最小二乘估计 对于随机抽取的n组观测值 最大似然估计结果为： 矩估计结果与上述相似 二、参数估计量的性质 在满足基本假设的情况下，其结构参数?的普通最小二乘估计具有： 线性性、无偏性、有效性。 三、样本容量问题 所谓“最小样本容量”，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 四、多元线性回归模型的参数估计实例 例3.2.2 在例3.2.1中，已建立了中国居民人均消费一元线性模型。这里我们再考虑建立多元线性模型。 §3.3 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间 一、拟合优度检验 1、可决系数与调整的可决系数 *2、赤池信息准则和施瓦茨准则 为了比较所含解释变量个数不同的多元回归模型的拟合优度，常用的标准还有: 赤池信息准则（Akaike information criterion, AIC） 二、方程的显著性检验(F检验) 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 2、关于拟合优度检验与方程显著性检验关系的讨论 由 三、变量的显著性检验（t检验） 方程的总体线性关系显著?每个解释变量对被解释变量的影响都是显著的。 因此，必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。 这一检验是由对变量的 t 检验完成的。 四、参数的置信区间 参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近”。 在变量的显著性检验中已经知道： 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。 §3.4 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 如果已经知道实际的预测值Y0，那么预测误差为： 需要指出：经常听到这样说法：“如果给定解释变量值，根据模型就可以得到被解释变量的预测值为……”这种说法是不科学的，也是计量经济学无法达到的。如果一定给出一个具体值，那么它的置信水平则为0；如果一定要回答以100％的置信水平处在什么区间，那么这个区间是∞。 §3.5 回归模型的其他函数形式 一、模型的类型与变换 二、非线性回归实例 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。 二、非线性回归实例 例3.5.1 建立中国城镇居民食品消费需求函数模型。 §3.6 受约束回归 一、模型参数的线性约束 二、对回归模型增加或减少解释变量 三、参数的稳定性 *四、非线性约束 说 明 在建立回归模型时，有时根据经济理论需要对模型中的参数施加一定的约束条件。例如： ——需求函数的0阶齐次性条件 ——生产函数的1阶齐次性条件 模型施加约束条件后进行回归，称为受约束回归（restricted regression）; 未加任何约束的回归称为无约束回归（unrestricted regression）。 一、模型参数的线性约束 这意味着，通常情况下，对模型施加约束条件会降低模型的解释能力。 但是，如果约束条件为真，则受约束回归模型与无约束回归模型具有相同的解释能力，RSSR 与 RSSU 的差异变小。 取?=5%，查得临界