5计量经济学讲义.pptVIP

第三章 多元线性回归模型 前面我们学习了一元线性回归模型的计量经济模型。如果一个变量受多个解释变量的影响，那么就有多个解释变量对被解释变量起作用。如果解释变量都是线性的影响，则建立的模型称为多元线性回归模型。 S3.1多元线性回归模型的4种表达式： S3.1.2多元线性回归模型的基本假定： 为了使参数的估计量具有良好的统计性质，对多元模型也做类似一元回归模型的基本假设。 基本假设的矩阵表示: S 3.2 多元线性回归模型的参数估计 参数估计的两个任务: 得正规方程组 通过OLS,ML和MM三种不同的估计方法发现，得出的参数估计量结果是相同的。 工具变量法（IV [Instrumental Variables]） S3.2.2多元线性回归模型参数估计量 的性质： 1.线性： 3.有效性 有高斯-马尔科夫定理可以保证其有效性，下 面给出参数估计量的协方差矩阵： S3.2.3关于样本容量问题: 2.满足基本要求的样本容量 S3.3多元线性回归模型的统计检验 对多元线性回归模型来说,它的统计检验跟一元相比,有不同之处,它主要包括: 1.拟合优度检验. 2.方程的显著性检验. 3.参数的显著性检验. 4.参数的置信区间估计. 方程的显著性检验与参数的显著性检验各有什么作用? 解答: 方程的显著性检验(又称为F检验)主要是看建立的模型中是否遗漏了重要的解释变量; 1.拟合优度检验.(i)可决系数与调整的可决系数. 类似地,多元模型中也有 TSS=ESS+RSS (总离差平方和=回归平方和+残差平方和)。 这里仍然定义 可见 是个粗放型的指标, 这是它的不足之处. 为此,我们找到另外一个指标,即调整后的可决系数: 2.方程的显著性检验(F检验). 3.变量(参数)的显著性检验（t 检验）. 课本第45页 在一元模型中,只有变量(参数)的显著性检验,因为两者是一致的。 4.参数的置信区间估计. 提高置信区间精确度的方法: S.3.4多元线性回归模型的预测 跟一元线性回归模型相似，多元线性回归模型的预测功能可以分为： 可构造如下的 t 统计量 见课本第83页中. S4.1多元非线性回归模型线性化 线性化方法: 1.直接置换法. 倒数模型,多项式模型. 2.函数变换法. 幂函数模型,指数函数模型. 3.级数展开法(泰勒展式). 复杂函数模型. 课本例3.5.1 非线性问题线性化: 1.理论模型的建立。 2. SPSS软件实现。 3.对估计出的线性计量经济模型进行经济意义解释。 取以 为底的对数,对模型线性化 S3.6 受约束回归问题 1. 模型参数的线性约束 通常对模型施加约束条件会降低模型的解释能力。 模型的解释能力通过拟合优度来体现。 第三章练习第7题： 柯布-道格拉斯（Cobb-Douglas）生产函数 在样本容量一定的情况下, 可靠度(置信水平)与 精确度(区间长度)存在此消彼长的关系. 1.增大样本容量. 2.提高拟合优度. 3.提高样本观测值的分散度. 1.预测值估计值均值 的预测。 2.预测值估计值个别值 的预测 可构造如下的 t 统计量 见课本第83页上. 有时候在建立模型时，需要对建立的模型中的参数进行条件约束。（即参数之间有一定的关系，满足一定的条件。） 1.对有约束条件的模型进行参数回归分析，称 为受约束回归。 （restricted regression ） 2.如果对参数没有约束条件，则进行的回归分析 称为无约束回归。（unrestricted regression ） 例3.5.1模型参数基本满足零阶齐次性。 （课本80页） 1. 判定约束条件是否存在可利用F 检验 显然，它可以线性化。 * * 形如的线性计量经济模型称为k元线性回归模型, 采用的估计方法:1.最小 二乘法.2.最大似然法.3.矩法. 只讲最小二乘法. 原理(使样本数据的残差平方和最小的参数的取值即为最小二乘估计) 1.求得诸参数 的估计量 2.求出随机误差项 的方差 的估计 另：随机误差项 的方差 的