2012-第4章 多元回归：估计与假设检验课件.pptVIP

第4章 多元回归：估计与假设检验 重点讨论 如何估计多元回归模型？多元回归模型的估计过程与双变量模型有何不同？ 多元回归模型的假设检验与双变量模型有何不同？ 多元回归模型有没有一些在双变量模型中未曾遇到的特性？ 既然一个多元回归模型能够包括任意多个解释变量，那么如何决定解释变量的个数？ 4.1 三变量线性回归模型 4.2 多元线性回归模型的若干假定 4.3 多元回归参数的估计 4.4 估计多元回归的拟合优度：多元判定系数R2 4.5 古董钟拍卖价格一例 4.6 多元回归的假设检验 4.7 对偏回归系数进行假设检验 4.8 检验联合假设 4.9 从多元回归模型到双变量模型：设定误差 4.10 校正的判定系数 4.11 什么时候增加新的解释变量 4.13 若干例子 4.1 三变量线性回归模型 三变量PRF的非随机形式 ： E(Yt) =B1+B2X2t+B3X3t (4-1) 其随机形式为： Yt=B1+B2X2t+B3X3t+ut (4-2) =E(Yt) +ut (4-3) 式中Y—应变量；X2、X3 —解释变量；u—随机扰动项；t—第t个观察值。 表明：任何一个 值可以表示成为两部分之和： 1.系统成分或确定性成分( )，也就是 的均值 2.非系统成分或随机成分 ，即由除 、 以外其他因素决定 。 4.2 多元线性回归模型的若干假定 假定4.1 回归模型是参数线性的，并且是正 确设定的。 假定4.2 随机扰动项与解释变量不相关。 4.2 多元线性回归模型的若干假定 假定4.5 无自相关假定 cov(ui,uj) = 0 , i≠j 4.2 多元线性回归模型的若干假定 利用普通最小二乘法（OLS）进行参数估计 无共线性（no collinearity）或无多重共线性（no multicollinearity）假定 共线性的(collinear)或严格的线性假定 高度共线性（high perfect collinearity）或近似完全共性线（near perfect collinearity） 假定 4.3 多元回归参数的估计 4.3.1 普通最小二乘估计量 4.3.2 OLS估计量的方差与标准误 4.3.3 多元回归OLS估计量的性质 4.4 估计多元回归的拟合优度：多元判定系数 的正平方根 称为多元相关系数（coefficient of multiple correlation） 4.5 古董钟拍卖价格一例 4.5 古董钟拍卖价格一例 4.5 古董钟拍卖价格一例 4.5 古董钟拍卖价格一例 4.5 古董钟拍卖价格一例 4.5 古董钟拍卖价格一例 4.5 古董钟拍卖价格一例 4.5 古董钟拍卖价格一例 拍卖价格与钟表年代和竞标人数正相关。 斜率系数12.74表示，在其他变量保持不变的条件下，如果钟表年代每增加一年，则钟表价格平均上升12.74马克。 负的截距项没有实际意义。 值相当高，约为0.89，表示两个变量解释了拍卖价格89%的变异。 4.6 多元回归的假设检验 可以证明偏回归系数 均服从均值分别为 的正态分布 如用 代替 ,则OLS估计量服从自由度为(n-k)的t分布 4.7.1变量的显著性检验（t检验） 单边t检验步骤: 4.7.1变量的显著性检验（t检验） 由于先验地预期钟表年代的系数为正，因此，这里实际上用的是单边检验： 4.7.2 假设检验的置信区间法 4.8 检验联合假设： 或 多元回归的总体显著性检验： 检测所观测到的多元回归的总体显著性的方差分析法（analysis of variance ANOVA）：F检验 4.8 检验联合假设： 或 Table 4-2 4.9 从多元回归模型到双变量模型：设定误差 设定偏差（model specification bias)或设定误差（specification error） 4.11 什么时候增加新的解释变量 只要校正判定系数值 增加(即使 值可能小于非校正判定系数R2的值)，就可以增加解释变量。 但是什么时候校正的判定系数值 开始增加呢？ 可以证明：如果增加变量的系数的