3多元线回归模型.pptVIP

第三章 多元线性回归模型 ;模型的建立及其假定条件 ;基本概念;也被称为总体回归函数。;总体回归模型矩阵表达式为 Y=Xβ+U;样本回归函数用来估计总体回归函数;基本假定 ;;基本假定;3.2 最小二乘法 ;参数的普通最小二乘估计;于是得到关于待估参数估计值的正规方程组： ;即;将OLS过程用矩阵表示如下： ; 可以证明，随机误差项的方差的无偏估计量为 ;第三节　参数估计量的性质; 2、无偏性 ;其中利用了 ;第四节 可决系数 ;总离差平方和的分解 ;由于 ;; 在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响:;调整的可决系数与可决系数的关系;第五节　显著性检验与置信区间 ; F检验的思想来自于总离差平方和的分解式： TSS=ESS+RSS; 根据数理统计??中的知识，在原假设H0成立的条件下，统计量 ;2、关于拟合优度检验与方程显著性检验关系的讨论 ;; ３解释变量的显著性检验（t检验）; 由于;因此，可构造如下t统计量 ; 设计原假设与备择假设： ; 一方面，t检验与F检验都是对相同的原假设H0：?1=0 进行检验; 另一方面，两个统计量之间有如下关系： ;3参数的置信区间 ;增大样本容量n，因为在同样的样本容量下，n越大，t分布表中的临界值越小，同时，增大样本容量，还可使样本参数估计量的标准差减小； 提高模型的拟合优度，因为样本参数估计量的标准差与残差平方和呈正比，模型优度越高，残差平方和应越小。 提高样本观测值的分散度,一般情况下，样本观测值越分散，(X’X)-1的分母的|X’X|的值越大，致使区间缩小。 ;第六节　预测 ;对于模型 ; E(Y0)的预测区间;容易证明 ; Y0的置信区间;e0服从正态分布，即 ;第七节　案例分析