第三章多元线性回归模型..pptxVIP

第三章多元线性回归模型引导案例：中国成为汽车第一制造大国　2009年，首次成为世界汽车产销第一大国。汽车产销分别为1379.1万辆和1364.5万辆，同比增长48.3%和46.15%。接下来三年蝉联汽车产销第一的世界地位。　是什么因素导致中国汽车数量的增长? 影响中国汽车行业发展的因素并不是单一的，经济增长、消费趋势、市场行情、业界心态、能源价格、道路发展、内外环境，都会使中国汽车行业面临机遇和挑战怎样分析多种因素的影响？研究对象——中国汽车市场发展的状况如何 通过历年的市场销售量来观察　 影响中国汽车销量的主要影响因素 居民收入水平、价格、费用、道路状况、能源、政策环境等各种因素对汽车销量影响的性质怎样？ 正相关？负相关？ 各种因素影响汽车销量的具体数量关系是什么？所得到的数量结论是否可靠？中国汽车行业今后的发展前景怎样？应当如何制定汽车的产业政策？很明显，只用一个解释变量已很难分析汽车产业的发展, 还需要寻求有更多个解释变量情况的回归分析方法。 本章主要内容多元线性回归模型及古典假定多元线性回归模型的估计多元线性回归模型的检验多元线性回归模型的预测第一节 多元线性回归模型及其古典假定一、多元线性回归模型的意义 一般形式：对于有K-1个解释变量的线性回归模型 注意：模型中的 （j=1,2,---k）是偏回归系数 样本容量为n 偏回归系数：表示在其他解释变量保持不变的情况下， Xi 每变化1个单位时，Y的均值E(Y)的变化; 或者说?j给出了X j的单位变化对Y均值的“直接”或“净”（不含其他变量）影响。二元线性回归模型y(观察到的y)}?0?i回归面x2(x1,x2)x1二元线性回归方程的直观解释 习惯上：把常数项看成为一虚变量的系数，该虚变量的样本观测值始终取1。于是：模型中解释变量的数目为 k总体回归函数的随机表达形式总体回归函数的非随机表达形式表示：各变量X值给定时Y的平均响应。总体回归模型n个随机方程的矩阵表达式为: 用来估计总体回归函数的样本回归函数样本回归的个别值表现形式样本回归函数的矩阵表达: 或其中： 都是有n个元素的列向量 是有k 个 元素的列向量 （ k = 解释变量个数 + 1 ） 是第一列为1的n×k阶解释变量数据矩阵 ， (截距项可视为解释变量总是取值为1)二、多元线性回归的基本假定假定1：零均值假定 （i=1，2，---n） 或 E（u）=0二、多元线性回归的基本假定（i=j）0( i≠j )假定2和假定3：同方差和无自相关假定：二、多元线性回归的基本假定?假定4：随机扰动项与解释变量不相关假定5：无多重共线性假定 假定各解释变量之间不存在线性关系，或各个解释变量观测值之间线性无关。或解释变量观测值矩阵X的秩为K(注意X为n行K列)。 矩阵X的秩等于回归参数的个数（或解释变量个数加1）， Ran(X )= kRak(XX )=k 即(XX) 可逆 ?满秩矩阵：A是 N 阶方阵，由于A的N阶子式只有|A|,当|A|当|A|， 可见该矩阵的秩等于该矩阵的阶数，不可逆矩阵的秩小于该矩阵的阶数，可逆矩阵称为满秩矩阵。 关于多重共线性的进一步说明如果存在一组不全为零的数?1、?2、… ?k，使得： ?1x1i+ ?2x2i+ …+ ?kxki=0 如果当且仅当?1、?2、… ?k 都为零的时候，才使上式成立，则称上述变量之间线性无关不妨设?1?0，则上式可变为： x1i=-(?2x2i+ …+ ?kxki)/?1称解释变量之间存在完全共线性，此时，某个解释变量可以写为其它解释变量的线性组合。若线性相关，齐次方程组有非零解若线性无关，齐次方程组仅有非零解如果 ，会不会破坏无多重共线假定假定6：正态性假定　不会，因为这两个变量的关系是非线性的！！第二节 多元线性回归模型的估计一、普通最小二乘法（OLS）原则：寻求剩余平方和最小的参数估计式 即求偏导，并令其为0其中偏导数因为样本回归函数为两边左乘 ， 根据最小二乘的原则则正规方程为 ?由正规方程 ，因为满秩，其逆矩阵存在，所以多元回归的OLS估计量为当只有两个解释变量时为：注意： 为X、Y的离差OLS回归线的数学性质 (与简单线性回归相同)回归线通过样本均值 ●估计值 的均值等于实际观测值 的均值 ●剩余项 的均值为零 ●被解释变量估计值 与剩余项 不相关 ●解释变量 与剩余项不相关 （j=1,2,---k）?三、 OLS估计式的统计性质 1、? 线性特征 是Y的线性函数，因 是非随机或取固定值的矩阵 2、? 无偏特性 (证明