《计量经济学》6 多元回归模型：模型估计.pptVIP

关于R2的认识： 高R2 ，固然是好事，但R2偏低，模型未必是不好的 高R2不是肯定模型的证据， R2不是否定模型的证据。 事实上，参数估计量的标准误比R2更重要，特别是扰动项方差的估计量。 * 6.7 多项式回归模型 多项式回归模型： 非共线性问题。 * 例子： 成本问题，P204 GDP增长率与相对人均GDP 解释：发展中国家GDPG随着RGDP的提高而增加，但增加的速度递减。 * 6.8 最大似然估计法 对单元回归分析进行扩展，似然函数为： 求偏导 * 正规方程为： * 参数估计： 回归系数与OLS估计一样 扰动项估计量的区别： * 6.9 参数估计的性质 P189 单元回归分析的推广，自学 * 计量经济学 Econometrics 孙坚强 Ph.D. in Finance jqsunmath@ * 多元回归模型：模型估计 一、 二、 三、 * 6.1 模型描述与设定 多个因素影响因变量 总体回归模型： 通常情况下： 则为带截距项，K－1个解释变量： 或： * 样本回归函数： * 6.2 模型假设 在经典线性模型的假设基础上，再增加： 解释变量之间不存在多重共线性 正确理解：不存在精确的线性关系，但可以存在非线性关系。 也即：不存在一组不全为0的数 满足： * 例如： 对于双解释变量的回归模型，不妨令 对于估计的参数， 无法区分 X3 对Y的单独影响 * 其它假设： * 6.3 模型的估计 最小二乘估计，以双解释变量为例： 样本回归函数： 选择参数估计值满足，残差平方和尽可能小： * 简单的微分计算，得到正规方程： 正规方程总是很重要，后续分析的基础 * 参数估计： * 参数估计量的方差和标准误（评价估计量的关键） * * * 注意到自由度的变化 * 例子（6.4） * 6.4 回归系数的解释 多元回归模型的回归系数（有时称为偏回归系数） 具体解释： 反映：在X3保持不变的情况下，X2每变动1单位，Y的均值E[Y]的变化程度。 反映的是X2对E[Y]的净影响，也即不受X3的影响。 * 例子：beta2的解释 第一步：，先做CM关于FLR的回归 样本残差则表示CM中剔除了FLR影响后的剩余部分： * 第二步，做PGNP关于FLR的回归 样本残差则表示PGNP中剔除了FLR影响的剩余部分 * 最后，做 关于 的回归： 注意到没有截距项，因为前两回归的残差均值均为0 回归系数－0.0056反映了PGNP对CM的净影响。与多元回归分析的结果一致。 * 6.5 回归拟合优度分析 仍然采用判决系数 做为拟合优度的度量 样本回归函数： 表示为离差方式： * 分解总平方和(TSS)为解释平方和(ESS)和残差平方和(RSS) * 定义为： 越靠近1，说明拟合效果越好。 * 校正 是解释变量个数的非减函数： 独立于解释变量个数。但是，解释变量K增加， 很有可能减少，至少不会增加。 * 校正 回避K的影响，为： 关系： * 实证分析中，更倾向于采用校正后的R2，但也会同时给出R2，让阅读者自行取舍。 拟合优度的度量变量还有赤池的信息准则和Amemiya的预测准则。 * 如果比较两个回归模型的R2 不管是校正还是原始的，比较两模型的R2必须保持： 样本大小n一样 因变量相同 解释变量可采取任何形式 * 例子：表格7.1的例子 * 有两个回归模型可选择，哪个更好？ 第一个解释力度66.28％，第二个74.8％ * 但因变量不同，不能直接比较R2，要变换成相同方可比较。 * 可变换第一方程或者第二方程。 例如：变换第一方程： 计算第5、6列的序列相关系数，为0.7318，与第二方程的0.7448比较。相差不大。 *