第4章(多元回归分析)2015春马.ppt

第四章 多元线性回归分析 多元线性回归模型 －－包含多个解释变量的线性回归模型 一元线性回归模型能合理地描述实际经济情况吗？ 现实经济情况往往体现：对一个经济变量的解释有多个因素，因此应该使用多个解释变量的多元回归分析。 如果一个模型确实存在多个解释变量，我们使用一元线性回归会产生设定偏误。 §4.1 多元线性回归模型 一、一个例子：CD生产函数 这是一个非线性函数，但取对数可以转变为一个对参数线性的模型 注意：“线性”的含义是指方程对参数而言是线性的 二、 多元线性回归模型的一般形式 一般形式可以表述为如下的形式： 均值方程 线性回归方程与均值方程的联系 问题本质： （1） 三、偏效应 解释变量的估计参数 表示 对被解释变量均值的偏效应。 表示其他被解释变量均保持不变时， 变化一个单位，导致被解释变量均值变化 个单位。 为什么叫偏效应？这是因为它的含义恰好类似于高等数学中偏导数的含义。 §4.2 多元线性回归模型的OLS估计 一、回归系数的估计 1. 回归系数的OLS估计：一般形式 问题本质 OLS的估计思想： （2）优化目标 得到计算回归系数估计量的正规方程组： 假定7：回归模型的解释变量之间不能存在完全的多重共线性。 “完全的多重共线性”：是指一个解释变量是其他解释变量的线性组合 。说明该解释变量所提供的信息与其他解释变量是完全重复的。 当存在完全共线性时，模型的参数不可识别。即任何方法都无法得到参数估计值，包括OLS。 存在不完全共线性时，可以得到参数估计值。OLS估计量是BLUE。但与没有多重共线性时相比，估计量的方差较大，估计精度下降。 高斯——马尔可夫定理 如果多元线性回归方程满足经典假定条件1～7，则回归系数的OLS估计量是线性的、无偏的，最优的（在所有无偏估计量中具有最小方差）估计量，即BLUE。 最关键的假定：解释变量是外生变量，它保证了OLS估计量的无偏性。 2. 回归系数的OLS估计：以二元回归模型为例 由正规方程组求解，得到回归系数的估计量： 基于方差公式得到各回归系数估计量的方差： 例子：基于表4.1.1的数据估计中国宏观生产函数 二、随机误差项方差的估计 三、判定系数的调整 调整后的 §4.3 多元线性回归模型的假设检验 一、参数假设检验的基本思想 基于对误差项分布的假定，得到参数估计量的分布； 对参数估计量进行标准化，使之服从某一标准分布，如我们熟悉的t分布，得到检验统计量； 以原假设的参数值作为检验统计量中的参数真值。如果原假设为“真”，则检验统计量就服从相应的理论分布。反之，检验统计量就不服从该分布。 基于所选择的显著性水平，将检验统计量的理论分布区间划分为小概率的“拒绝域”和大概率的“不拒绝域”。 根据参数的估计值计算检验统计量的值。如果检验统计值出现在拒绝域，根据“小概率事件原理”，原假设很可能是“假”的，则拒绝原假设。反之，就没有充分的理由拒绝原假设。 二、单参数的显著性检验 双侧检验 单侧检验 例子：中国宏观生产函数 待检验假设为： 2、变量（单个回归系数）的显著性检验——t检验和p值检验 三、多参数的线性约束检验 1、模型的总体显著性检验——F 检验 F分布的密度函数 概 率 密 度 2、模型参数之间的线性约束检验——t检验和F检验 例子：柯布－道格拉斯生产函数 检验假设为： （2）F检验 无约束回归方程 将原假设中的约束条件带入回归方程，得到了所谓的“有约束回归方程” 。 中国生产函数的例子 ： 3：参数的线性约束检验：F检验一般形式 对于多元线性回归模型： 4：经济关系的结构稳定性检验：F检验的一个例子——邹检验 例：中国宏观生产函数在1992年前后是否不同？ t检验与F检验的总结 t检验 优点：可作单侧检验 不足：无法检验多个约束条件 F检验 优点：可检验多个约束条件 不足：无法进行单侧检验 §4.4 极大似然估计与似然比检验 一、极大似然估计 线性回归方程： 极大似然估计的优化一阶条件： 受约束方程的极大对数似然函数值： 似然比检验统计量： 二、多项式模型 厂商平均成本与产量之间的U型关系 环境库兹涅茨曲线 环境污染与人均收入的关系 环境库兹涅茨曲线的回归方程： 三、变量的时间趋势 考察一个经济体的生产函数时，受知识积累等多方面因素影响，其总产出可能会包含一个随时间变化的确定性成份 对数变换的形式为 通过引入时间变量作为解释变量以退化被解释变量时间趋势的同时，还同时退化了其他所有解释变量的时间趋势。 变量时间趋势的等价处理: