- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
2010计量经济学第三讲多元线性回归模型参考.
第三讲 多元线性回归模型
1.假定条件、最小二乘估计量和高斯—马尔可夫定理
多元线性回归模型:
yt = ?0 +?1xt1 + ?2xt2 +…+ ?k- 1xt k -1 + ut , (1.1)
其中yt是被解释变量(因变量),xt j是解释变量(自变量),ut是随机误差项,?i, i = 0, 1, … , k - 1是回归参数(通常未知)。
(1.3)
Y = X ? + u , (1.4)
为保证得到最优估计量,回归模型(1.4)应满足如下假定条件。
假定 ⑴ 随机误差项ut是非自相关的,每一误差项都满足均值为零,方差 ?2相同且为有限值,即
E(u) = 0 = , Var (u) = E(' ) = ? 2I = ? 2
假定 ⑵ 解释变量与误差项相互独立,即
E(X 'u) = 0
假定 ⑶ 解释变量之间线性无关。
rk(X 'X) = rk(X) = k
其中rk(?)表示矩阵的秩。
假定⑷ 解释变量是非随机的,且当T → ∞ 时
T– 1X 'X → Q
其中Q是一个有限值的非退化矩阵。
最小二乘 (OLS) 法的原理是求残差(误差项的估计值)平方和最小。代数上是求极值问题。
minS = (Y - X)' (Y - X) = Y 'Y -'X 'Y - Y ' X +'X 'X
= Y 'Y - 2'X 'Y + 'X 'X (1.5)
因为Y 'X是一个标量,所以有Y 'X = 'X 'Y。(1.5) 的一阶条件为:
= - 2X 'Y + 2X 'X= 0 (1.6)
化简得
X 'Y = X 'X
因为 (X 'X) 是一个非退化矩阵(见假定⑶),所以有
= (X 'X)-1 X 'Y (1.7)
因为X的元素是非随机的,(X 'X) -1X是一个常数矩阵,则是Y的线性组合,为线性估计量。
求出,估计的回归模型写为
Y = X+ (1.9)
其中= ( … )' 是 ? 的估计值列向量,= (Y - X) 称为残差列向量。因为
= Y - X= Y - X (X 'X)-1X 'Y = [I - X (X 'X)-1 X ' ]Y (1.10)
所以也是Y的线性组合。的期望和方差是
E() = E[(X 'X)-1 X 'Y ] = E[(X 'X)-1X '(X? + u)]
= ? + (X 'X)-1X ' E(u) = ? (1.11)
Var() = E[(–?) (–?)']= E[(X 'X)-1X ' u u' X (X 'X)-1]
= E[(X 'X)-1X ' ? 2I X (X 'X)-1] = ? 2 (X 'X)-1 (1.12)
高斯—马尔可夫定理:若前述假定条件成立,OLS估计量是最佳线性无偏估计量。具有无偏性。具有最小方差特性。具有一致性,渐近无偏性和渐近有效性。
2. 残差的方差
s2 = '/ (T - k) (1.13)
s 2是? ? 的无偏估计量,E(s 2 ) =? ?。的估计的方差协方差矩阵是
() = s? (X 'X)-1 (1.14)
3. 多重确定系数(多重可决系数)
Y = X+=+ (1.15)
总平方和
SST = = Y 'Y - T, (1.16)
其中是yt 的样本平均数,定义为= 。回归平方和为
SSR = = '- T
文档评论(0)