第六章：违背基本假设的回归方程2013.pdfVIP

杜志渊 1. 多元线性回归与一元线性回归的基本假设条件有什么不同？ 2. 为什么要引入修正的样本决定系数？ 3. 复相关系数、偏相关系数与简单相关系数各自的含义是什么？ 1.Rk(X)=p+1 2. 避免由于自变量增加使样本决定系数虚高。 3. 复相关系数是全体自变量与因变量线性相关程度的度量; 偏相关系数是一个自变量在控制其它自变量后，与因变量的真 实线性相关程度的度量。 简单相关系数是任意两个变量之间的pearson相关系数。 1 ? 多元加权最小二乘法： 2 Qω (β0 ,β1,L,β p ) = ?ωi ( yi ? β 0 ? β1 xi1 ?L? β p xip ) 加权最小二乘估计WLS的矩阵表达式为： ? ?1 βω = (X′WX ) X′Wy éω1 0 L 0 ù ê 0 ω L 0 ú W = ê 2 ú ê M M L M ú ê ú ? 0 0 L ωn ? 例6.4 研究我国2005年31个省、市、自治区的农业总产值Y （亿 元）与有效灌溉面积x1（千公顷）和化肥施用量x2（万吨）的关 系。建立相应的回归模型。 解：首先进行相关分析： 2 用统计软件得回归分析的结果如下： 3 残差图分析可能出现异方差性。 4 使用等级相关系数法考察相关性 以X2化肥施用量构造权函数，用SPSS统计软件估计幂指数m： 5 注意：有时加权后的效果不显著，可以考虑其它数量表达形式,或进 行异常值分析。 6 §6.2 序列相关性的产生背景及其处理 Background of Serial Correlation and Its Processing 异方差性表现于模型随机误差项的方差不等，在本节中将讨论模型的随 机误差项违背了互相独立的基本假设的情况，即: Cov (ε i ,ε j ) 1 0 i 1 j;i = 1,2,L, n; j = 1,2,L, n 称误差项之间存在自相关关系，是一个变量前后期数值间存在的相关关系。 一、产生的经济背景和原因EconomicBackground and Reason 1、遗漏了关键变量; 2、经济现象的滞后性; 3、回归函数形式错误; 4、蛛网现象可能带来的自相关性; 5、对数据的加工处理导致误差项出现自相关现象. 二、序列相关带来的问题Problems Caused by Serial Correlation 经济学模型一旦出现序列相