计量经济学3[].ppt

第三章 多元线性回归模型 第一节 模型的建立及其假定条件 1、多元线性回归模型的形式 多元线性回归模型的一般形式为： 习惯上把常数项看成为一个虚变量的系数，在参数估计过程中该虚变量的样本观测值始终取1。这样： 模型中解释变量的数目为（k+1）。 矩阵表达式： Y = X ? + U 2 基本假定 0条件均值 条件同方差、没有序列自相关 X没有完全的线性关系 解释变量与随机误差向彼此不相关 随机误差项服从正态分布 第二节 最小二乘法 对于随机抽取的n组观测值 回归标准差的估计 推导： M的两条性质：M是对称矩阵；M是幂等矩阵 估计量的方差估计量 根据回归标准差的估计量以及参数估计量的分布特征，可以得到参数估计量的协方差矩阵估计量： 其中，对角线元素表示方差估计量，而非对角线元素表示估计量的协方差。 第三节 最小二乘估计量的特性 线性性 无偏性 有效性 Gauss－Markov定理： 设线性回归模型的随机误差项μ满足 则线性回归模型用OLS得出的估计量是最优线性无偏估计量（简称BLUE） * * 由于： 在实际经济问题中，一个变量往往受到多个原因变量的影响；“从一般到简单”的建模思路。 所以： 在线性回归模型中的解释变量有多个，至少开始是这样。这样的模型被称为多元线性回归模型。 多元线性回归模型参数估计的原理与一元线性回归模型相同，只是计算更为复杂。 。 如果样本函数的参数估计值已经得到，则有： i=1,2…n 根据最小二乘原理，参数估计值应该是下列方程组的解 其中 于是得到关于待估参数估计值的正规方程组： 正规方程组的矩阵形式 即 由于X’X满秩，故有 多元线性回归模型实例 1 、线性性 $ ( ) B = ￠ ￠ - X X X Y 1 2 、无偏性 B B E = ) ? ( 证： N X X X B N XB X X X Y X X X B ￠ ￠ - = - ￠ ￠ = ￠ ￠ = - - - 1 1 1 ) ( ) ( ) ( ) ( ? 于是： B N E X X X B N X X X E B E B E = ￠ ￠ - = ￠ ￠ - = - - ) ( ) ( ) ) (( ) ( ) ? ( 1 1 3 、有效性 若 * B 是 B 的任一线性无偏估计量，则有 ] ) ? )( ? [( ] ) )( [( * * ￠ - - 3 ￠ - - B B B B E B B B B E 证明略。 最简单的多元线性回归模型是二元线性回归模型。二元线性回归模型的一般形式为： （i=1，2，…，n） 其参数的最小二乘估计量如下： 、称偏回归系数。 的数值结果表明，当保持不变时， 每增加1个单位，Y平均增加个单 位； 的数值结果表明，当保持不变时， 每增加1个单位，Y平均增加个单 位。 对我国1991~2000年的消费模型进行估计 结果表明，当前一期人均居民消费额（） 保持不变时，人均国内生产总值（）每 增加1千元，人均居民消费额（Y）平均 增加0.339千元；当人均国内生产总值（） 保持不变时，前一期人均居民消费额（） 每增加1千元，人均居民消费额（Y）平均 增加0.302千元。 例如，对我国1991~2000年的消费模型进行估计。根据我国1991~2000年的人均居民消费额Y（千元），人均国内生产总值X1（千元），前一期人均居民消费额X2（千元）的有关数据计算出： ∑Yi=22.1 ∑X1i=47.5 ∑X2i=19.5 ∑Yi2=56.21 ∑x1i2=31.83 ∑x2i2=7.27 ∑x1ix2i=14.89 ∑yix1i=15.28 ∑yix2i=7.24 ∑yi2=7.37 n=10 其中 ，