多元回歸分析.pptVIP

多元迴歸分析 遺漏變數偏誤 多元迴歸模型 多元迴歸模型的估計 多元迴歸模型: 實例 變異數分析與參數檢定 多元迴歸模型的幾個重要議題 遺漏變數偏誤 我們將不再假設解釋變數為固定值, 而是隨機變數 在簡單迴歸模型中, 只有一個解釋變數, 然而, 在大多數的情形下, 被解釋變數Y 通常可被一個以上的變數所解釋。舉例來說, 所得水準除了受到教育程度的影響之外, 亦可能受到工作經驗等其他變數所影響 遺漏變數偏誤 此外, 只考慮一個解釋變數時, 可能會產生遺漏變數偏誤(omitted variable bias) 考慮解釋變數(如教育程度) 與另外一個變數(如父母所得水準) 具相關性,(一般來說, 父母所得越高, 子女能夠得到的教育越好, 教育程度自然越高) 且該變數(父母所得水準) 本身亦會直接影響被解釋變數(所得水準), (一般來說, 父母所得越高, 投注在子女身上的其他資源越多, 子女的所得也因而越高) 遺漏變數偏誤 如果我們在迴歸模型中忽略了此變數, 就會造成遺漏變數偏誤 假設原有解釋變數為X, 遺漏變數為Z, 而被解釋變數為Y 。換句話說, 一個變數是否為迴歸模型中的遺漏變數, 必須符合以下兩條件: 該變數與模型原有的解釋變數相關: Corr (X, Z) ≠ 0。 該變數 Z 亦會直接影響被解釋變數Y 。 Suppose the true model is The estima