第三章多元线性回归模型的参数估计题稿.ppt

第三章 经典单方程计量经济学模型：多元线性回归模型 多元线性回归模型 多元线性回归模型的参数估计 多元线性回归模型的统计检验 3.1 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。 假设3，解释变量与随机项不相关 其中：Q为一非奇异固定矩阵，矩阵x是由各解释变量的离差为元素组成的n?k阶矩阵 3.2 多元线性回归模型的估计 说 明 估计方法： 3大类方法：OLS、ML或者MM 在经典模型中多应用OLS 在非经典模型中多应用ML或者MM 一、普通最小二乘估计 对于随机抽取的n组观测值 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、最大似然估计仍具有： 线性性、无偏性、有效性。 3.3 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 一、拟合优度检验 1、可决系数与调整的可决系数 二、方程的显著性检验(F检验) 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 例：某地区通过一个样本容量为722的调查数据得到劳动力受教育的一个回归方程为 Y=10.36-0.094X1+0.131X2+0.21X3, R2=0.214, 其中Y为劳动力受教育年数，X1 为该劳动量家庭中兄弟姐妹的人数，X2，X3分别为母亲和父亲受教育的年数，问： （1）X1 是否具有预期的影响？为什么？若X2与X3保持不变，为了使预测的受教育水平减少一年，需要X1 增加多少？ （2）请对X2系数给于适当的解释 （3）如果两个劳动力都没有兄弟姐妹，但其中一个的父母受教育的年数为12年，另一个的父母受教育的年数为16年，则两人受教育的年数预测相差多少？ 1、方程显著性的F检验 即检验模型 Yi=?0+?1X1i+?2X2i+ ? +?kXki+?i i=1,2, ?,n 中的参数?j是否显著不为0。 可提出如下原假设与备择假设： H0： ?1=?2= ? =?k=0 H1： ?j不全为0 F检验的思想来自于总离差平方和的分解式： TSS=ESS+RSS 如果这个比值较大，则X的联合体对Y的解释程度高，可认为总体存在线性关系，反之总体上可能不存在线性关系。 因此,可通过该比值的大小对总体线性关系进行推断。 根据数理统计学中的知识，在原假设H0成立的条件下，统计量 服从自由度为(k , n-k-1)的F分布。 给定显著性水平?，可得到临界值F?(k,n-k-1)，由样本求出统计量F的数值，通过 F? F?(k,n-k-1) 或 F≤F?(k,n-k-1) 来拒绝或接受原假设H0，以判定原方程总体上的线性关系是否显著成立。 * i=1,2…,n 其中:k为解释变量的数目，?j称为回归参数（regression coefficient）。 也被称为总体回归函数的随机表达形式。它的非随机表达式为: 表示：各变量X值固定时Y的平均响应。 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+1） 总体回归模型n个随机方程的矩阵表达式为: 其中 ?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，X j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。 用来估计总体回归函数的样本回归函数为： 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: 或 其中： 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4，向量? 有一多维正态分布，即 同一元回归一样，多元回归还具有如下两个重要假设： 假设5，样本容量趋于无穷时，各解释变量的方差趋于有界常数