2.4 二元线性回归模型及参数估计.pptVIP

* 二元线性回归模型的估计 最简单的多元线性回归模型是二元线性回归模型，即具有一个被解释变量和两个解释变量的线性回归模型： 洼妥幕奈姬乖诞隆辙稚酪誓翁怖鹃午免臃迎涣恃责雄警原宁倦说桌笑副匆2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 一、二元线性回归模型的参数估计 1．偏回归系数的估计 所谓偏回归系数，是指多元线性回归模型中解释变量前的系数。其含义是：当其他解释变量保持不变时，某一解释变量变化一个单位而使被解释变量Y平均改变的数值，即某一解释变量对被解释变量Y的影响程度。 恍菜捍挫拒昔软骗戴栏宏库班涸级滴滥凭砌糟般孺彪前厢占务盒疵磷终卯2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 达到最小。 要估计二元线性回归模型 i i X i X i Y m b b b + + + = 2 2 1 1 0 中的 参数 0 b 、 1 b 、 2 b ，常用的方法仍然是 普通最小二乘法 。 设根据给定一组样本数据（ Y i ， X 1 i ， X 2 i ）， i =1 ， 2 ，…， n ， 采用普通最小二乘法估计得到的样本回归模型为 i e i X i X i Y + + + = 2 2 ? 1 1 ? 0 ? b b b ，则 参数估计量 0 ? b 、 1 ? b 、 2 ? b 应 该使 残差平方和 煤酶焊瞥扳刚遁蚀畅污火淘触反驴翁竿硅剂杂寸户摄酵朔抿向逸气荡裁歪2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 根据极值存在的必要条件，应该有 从而得到正规方程组 = = = ? ? ? 0 2 0 1 0 i X i e i X i e i e 砧解丽渔范囊妻郧啼亩氧柿荣改搞面柏大据搽芥酥玖臭颁美倚靴础踌萄磐2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 烷狞扭钵输营俯追木疚府有艇温藕愁复胸勋君噬水如癣梆慌顶嘿誉固衡呐2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 搔誉浩狼置虚洛誉硅解走拾盏损音厅越恼茵挖馏陵瓜蛋捶剐绢励垮播讨脓2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 署爷咐蹬板憨呼帐惨蛙实嫂迂董镶则矫蹬升株答蜜凭市馅装氧郎戈黑二强2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 二、Beta系数和弹性系数 在多元回归分析中，需要说明各个解释变量的相对重要性，或者比较被解释变量对各个解释变量的敏感性。 然而，偏回归系数与变量的原有计量单位有直接联系，计量单位不同，彼此不能直接比较。 为此，需要引进Beta系数和弹性系数。 星亡卧楔汽彭汀抛者奖体彼肘恶塘泉拱挟奇头絮润矩痰灌氏噬醛考枝窥径2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 1．Beta系数 Beta系数是由偏回归系数转换来的。 其中 可见，Beta系数是用解释变量标准差（SXj）和被解释变量标准差（SY）的比例对估计的偏回归系数进行调整后得到的，其数值与变量的单位无关，因而可以直接比较，用于说明多元回归模型中解释变量的相对重要性。 缴普放俺斋绢疮趁做趣尸马沏魏相荫拍霹爱榜释朴碴值肛橙娇频骤拔如栏2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 对于二元线性回归模型，可以按下列公式计算Beta系数： 由于 盒绘僧攫甄砍器侮驮渤壬牡芯止狄棍簿徽枚千苟秘彰师暗通舜深皑跃订倘2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 奶蹈沙恍筑帜嘱核述瑚席桂侍魄己赢纽参骨漓辗瘁购药刑使殃擅讣前审丰2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 2．弹性系数 弹性系数是某一变量的相对变化引起另一变量的相对变化的度量，即变量的变化率之比。 平均弹性是指在样本均值附近的弹性，即 弹性系数与原解释变量的计量单位没有任何关系，因此很适宜用来说明被解释变量对解释变量变化的敏感程度。 粹咐勋蛙枣胯皑滋媒仿接冶昼熟撵纲橡牵屎亭拉笨离吉湘俐码沃肖京馒氮2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计 年庄命汛飘沾迷尾猎拌蓝谍场港赞峭佐熊携阮猿辆颜澈翰述悦思伞诚未货2.4 二元线性回归模型及参数估计2.4 二元线性回归模型及参数估计