计量经济学课件3多元线性回归模型.pptVIP

第三章 经典单方程计量经济学模型：多元线性回归模型 ;§3.1 多元线性回归模型 ;一、多元线性回归模型;1、多元线性回归模型;2、矩阵表达式;二、多元线性回归模型的基本假定;1、随机假定（是针对随机误差项的假定）;2、解释变量假定;3、其他假定;§3.2 多元线性回归模型的估计 ;说 明;一、普通最小二乘估计;1、普通最小二乘估计;2、普通最小二乘估计的矩阵表达式;3、参数估计的矩阵表达式;4、案例分析;5、离差形式的普通最小二乘估计;6、随机误差项?的方差?的无偏估计;*二、最大或然估计（ML）;*三、矩估计（Moment Method, MM）;1、参数的MM（矩估计法）估计量;2、广义矩估计方法;四、参数估计量的性质;1、线性性和无偏性 ;2、有效性（最小方差性） ;五、样本容量问题; 六、案例分析-参数估计;§3.3 多元线性回归模型的统计检验 ;一、拟合优度检验;1、可决系数;○注意：一个有趣的现象 ○可决系数 ○该统计量越接近于1，模型的拟合优度越高。 ○在应用过程中发现，如果在模型中增加一个解释变量， R2往往增大（Why?这是因为残差平方和往往随着解释变量个数的增加而相对减小) ○这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关。因此， R2不是一个合适的指标，需要调整。;2、调整的可决系数 ○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： 其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。 ;3、赤池信息准则和施瓦茨准则;二、方程的显著性检验(F检验);1、方程显著性的F检验;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。 ○对于中国居民人均消费支出的例子：一元模型：F=285.92；二元模型：F=2057.3 给定显著性水平? =0.05，查分布表，得到临界值：一元例：F?(1,21)=4.32；二元例： F?(2,19)=3.52。 显然有 F? F?(k,n-k-1) ，即二个模型的线性关系在95%的水平下显著成立。;2、拟合优度检验与方程显著性检验的关系;三、变量的显著性检验（t检验）; 1、t 统计量 ;2、t 检验;3、案例分析;四、参数的置信区间;○在中国居民人均收入－消费支出二元模型例中,给定?=0.05，查表得临界值：t0.025(19)=2.093 从回归计算中已得到： 计算得参数的置信区间： ?0:(44.284, 197.116)；?1:(0.0937, 0.3489 )；?2:(0.0951, 0.8080) 如何才能缩小置信区间？ 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，(XX)-1的分母的|XX|的值越大，致使区间缩小。;§3.4 多元线性回归模型的预测 ;一、E(Y0)的置信区间;二、Y0的置信区间;三、案例分析;§3.5 回归模型的其他函数形式 ;一、模型的类型与变换;3、复杂函数模型与级数展开法 ○例如，不变替代弹性CES生产函数： (?1+?2=1) 其中：Q:产出量，K：资本投入，L：劳动投入 ?：替代参数， ?1、?2：分配参数 方程两边取对数后，得到： ○将式中ln(?1K-? + ?2L-?)在?=0处展开台劳级数,取关于?的线性项，得到一个线性近似式。如取0阶、1阶、2阶项，可得: ;二、非线性回归实例分析;首先,确定具体的函数形式;;中国城镇居民人均食品消费 ;中国城镇居民对食品的消费需求模型:;§3.6 受约束回归;一、模型参数的线性约束;1、模型参数约束;2、模型参数约束的F检验;3、用RSSR - RSSU的大小来检验约束的真实性;4、案例分析;二、对回归模型增加或减少解释变量;三、参数的稳定性;1、邹氏参数稳定性检验;○检验的F统计量为： 记RSS1与RSS2为在两时间段上分别回归后所得的残差平方和，容易验证： 于是有： ○参数稳定性的检验步骤： ⑴分别以两连续时间序列