计量经济学(多元线性回归).PPTVIP

第三章 多元线性回归模型 本章主要内容 第一节 多元线性回归模型及古典假定 第二节 多元线性回归模型的估计 第三节 多元线性回归模型的检验 第四节 多元线性回归模型的预测 第五节 实例 第一节 多元线性回归模型及古典假定 主要介绍 1.1 多元线性回归模型及其矩阵表示 1.2 模型的古典假定 1.1.1 多元线性回归模型形式 一般形式（随机扰动形式，注意X的下标）： 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） 多元线性回归模型的矩阵表示 1.2 模型的古典假定（一） 假设1 误差项无偏——随机扰动项均值 为0：E(ui )=0 假设2 同方差和无自相关 模型的古典假定（二） 假定3 随机扰动项与解释变量不相关。 即 假定4 无多重共线性。 此即假定解释变量向量之间线性无关，这样，解释变量矩阵X列满秩：R(X)=k。此时，有 假定5 正态性。假定 第二节 多元线性回归模型的估计 本节主要介绍 2.1 参数的最小二乘估计（OLS）； 2.2 OLS回归线的性质 2.3 参数的最小二乘估计量的性质； 2.4 随机扰动项的方差估计。 2.1 参数的最小二乘估计(OLS) 对多元线性回归方程的最小二乘估计和分析是一元情形的推广。所使用的前提假定、估计方法、估计结果的性质等等都同于一元的情形。 OLS：原则、求解、结果 2.2 OLS回归线的性质 完全同一元情形： 2.3 OLS估计量的性质 也完全同一元情形： OLS估计量的性质（续） 2.4 随机扰动项方差的估计 第三节 多元线性回归模型的检验 本节主要介绍： 3.1 拟合优度检验（多重可决系数及其修正） 3.2 回归参数的显著性检验（t－检验） 3.3 回归方程的显著性检验（F－检验） 3.4 拟合优度、t－检验、F－检验的关系 3.1.1 拟合优度检验 －总变差、自由度的分解 目的：构造一个不含单位，可以相互比较，而且能直观判断拟合优劣的指标。 类似于一元情形，先将多元线性回归作如下变差分解： 对以上自由度的分解的说明 3.1.2 可决系数 可决系数的定义： 意义：可决系数越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。 取值范围：0-1 3.1.3 修正可决系数 为什么要修正？ 可决系数随解释变量个数的增加而增大。易造成错觉：要模型拟合得越好，就应增加解释变量。然而增加解释变量会降低自由度，减少可用的样本数。并且有时增加解释变量是不必要的。 导致解释变量个数不同模型之间对比困难。 可决系数只涉及变差，没有考虑自由度。 修正思路： 引进自由度校正所计算的变差。 修正可决系数 （续） 3.2 回归参数的显著性检验 —— t－检验 以下给出t-检验的具体过程 3.3 回归方程的显著性检验 ——（F检验） 回归系数的t检验，检验了各个解释变量Xj单独对应变量Y是否显著；我们还需要检验：所有解释变量联合在一起，是否对应变量Y也显著？ 这即是下面所要进行的F检验。 3.3.1 方差分析表 以下用表格的形式列出变差、自由度、方差 3.3.2 F－检验（单侧检验） 3.4 各种检验之间的关系 3.4.1 经济意义检验和其他检验的关系 联系： 判断一个回归模型是否正确，首先要看模型是否具有合理的经济意义，其次才是统计检验。 3.4.2 拟合优度和F检验的关系 （1）都是对回归方程的显著性检验； （2）都是把总变差分解，以构成统计量进行检验； （3）两者同增同减，具有一致性。 拟合优度和F检验的关系（续） 区别： （1）F检验中使用的统计量有精确的分布，而拟合优度检验没有； （2）对是否通过检验，可决系数（修正可决系数）只能给出一个模糊的推测；而F检验可以在给定显著水平下，给出统计上的严格结论； 3.4.2 F－检验和t－检验的关系 在一元的情形，两者是一致的，等价的。对单个解释变量显著性进行t检验，也就检验了解释变量的整体显著性（F检验）；并且可以证明：F＝t2 （所以在一元情形，只需要进行一种检验） 多元中，不存在以上关系。 第四节 多元线性回归模型的预测 4.1 应变量平均值的点预测、区间预测； 4.2 应变量个别值的点预测、区间预测； 4.1 应变量平均值的点预测、区间预测 4.1.