第四章多元线性回归.pptVIP

第一节 多元线性回归模型 第二节 多元线性回归模型的参数估计 第三节 多元线性回归模型的统计检验 §4.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式： 二、多元线性回归模型的基本假定 假设1，解释变量是非随机的或固定的，且各X之间互不相关（无多重共线性）。 假设2，随机误差项具有零均值、同方差及不序列相关性 §4.2 多元线性回归模型的估计 估计方法：OLS 一、普通最小二乘估计 对于随机抽取的n组观测值 回归模型为： 二、参数估计量的性质 在满足基本假设的情况下，其结构参数?的普通最小二乘估计、最大或然估计及矩估计仍具有： 线性性、无偏性、有效性。 三、样本容量问题 所谓“最小样本容量”，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 四、多元线性回归模型的参数估计实例 例 前章已建立了中国居民人均消费一元线性模型。这里我们再考虑建立多元线性模型。 F统计量与R2的关系 回归模型为： * 『计量经济学 』 主讲教师：张士云教授 安徽农业大学经贸学院 本科班课程 第四章 多元线性回归模型 问题的提出 现实生活中引起被解释变量变化的因素并非仅只一个解释变量，可能有很多个解释变量。例如，产出往往受各种投入要素——资本、劳动、技术等的影响；销售额往往受价格和公司对广告费的投入的影响等。 所以在一元线性模型的基础上，提出多元线性模型——解释变量个数=2 i=1,2…,n 其中:k为解释变量的数目，?j称为回归参数（regression coefficient）。 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。这样： 模型中解释变量的数目为（k+1） 取 n 个观察值，i = 1,2, … , n，得 n 个方程 方程表示：各变量X值固定时Y的平均响应。 ?j也被称为偏回归系数，表示在其他解释变量保持不变的情况下，Xj每变化1个单位时，Y的均值E(Y)的变化; 或者说?j给出了Xj的单位变化对Y均值的“直接”或“净”（不含其他变量）影响。 总体回归模型n个随机方程的矩阵表达式为 其中 样本回归函数：用来估计总体回归函数 其随机表示式: ei称为残差或剩余项(residuals)，可看成是总体回归函数中随机扰动项?i的近似替代。 样本回归函数的矩阵表达: 其中： 假设3，解释变量与随机项不相关 假设4，随机项满足正态分布 上述假设的矩阵符号表示 式： 假设1，n?(k+1)矩阵X是非随机的，且X的秩?=k+1，即X满秩。 假设2， 假设3，E(X’?)=0，即 一、普通最小二乘估计 二、参数估计量的性质 三、样本容量问题 四、多元线性回归模型的参数估计实例 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 对上述方程两边同乘观察值距阵 X 的转置距阵 例：某公司的企业管理费主要取决于两种重点产品的产量，试估计企业管理费线性回归模型。 可求得 ： 于是 同时，随着样本容量增加，参数估计量具有： 渐近无偏性、渐近有效性、一致性。 1、线性性 其中,C=(X’X)-1 X’ 为一仅与固定的X有关的行向量 2、无偏性 这里利用了假设: E(X’?)=0 3、有效性（最小方差性） 其中利用了 和 ⒈ 最小样本容量 样本最小容量必须不少于模型中解释变量的数目（包括常数项）,即 n ? k+1 因为，无多重共线性要求：秩(X)=k+1 2、满足基本要求的样本容量 从统计检验的角度： n?30 时，Z检验才能应用； n-k?8时, t分布较为稳定 一般经验认为: 当n?30或者至少n?3(k+1)时，才能说满足模型估计的基本要求。 模型的良好性质只有在大样本下才能得到理论上的证明 解释变量：人均GDP：GDPP 前期消费：CONSP(-1) 估计区间：1979~2000年 Eviews软件估计结果 第三节 多元线性模型的统计检验 一、拟合优度检验 TSS = ?(Y