- 1、本文档共77页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第五章 经典线性回归模型(II)(高级计量经济学-清华大学 潘文清)
第五章 经典线性回归模型(II);§5.1 回归模型的解释与比较Interpreting and Comparing Regression Models; 因此,当一个工资模型为
Y=?0+?1age+?2age2+?3education+?4gender+?
时,只能测度“年龄”变化的边际效应: ;即弹性并非常数,而是随着Xj的变化而变化。;二、选择解释变量 Select the Set of Regressors; 1、部分回归(partial regression);对 X2=X1Q1+(I-P1)X2 =X1Q1+M1X2
=explained part + residuals
M1X2就是排除了X1的其他因素对X2的“净”影响。
X2对X1的回归称为辅助回归(auxiliary regression);
;Proof: b为原无约束回归模型的OLS解,则有 X’Xb=X’Y;记受约束模型(5.1.2)的OLS解为br=(X1’X1)-1X1’Y; 将无约束模型代入受约束模型(5.1.2)的OLS解br=(X1’X1)-1X1’Y ,可得;方差:
由于 br-E(br|X1)= (X1’X1)-1X1’?1
则: Var(br|X1)=E{[br-E(br|X1)] [br-E(br|X1)]’}
= (X1’X1)-1X1’E(?1?1’)X1(X1’X1)-1
=?2(X1’X1)-1;Proof: 由受约束模型的参数估计量 br=b1+Q1b2得 b1=br-Q1b2 ; E(b2|X)=?2+(X2’M1X2)-1X2’M1E(?1|X)=?2
于是: b2-E(b2)=(X2’M1X2)-1X2’M1?1
Cov(b2,br)=E{[b2-E(b2)][br-E(br)]’}
=E{(X2’M1X2)-1X2’M1?1[(X1’X1)-1X1’?1]’}
= (X2’M1X2)-1X2’M1E(?1 ?1’)X1(X1’X1)-1
=?2(X2’M1X2)-1X2’M1X1(X1’X1)-1
=0;3、多选无关变量(redundant variables);或 b1=br-Q1b2
无论是否有?2=0, 始终有Var(b1)?Var(br);§5.2 多重共线性; 1、估计量的方差; 一般地,在多元回归中,记 Y=X1?1+X2?2+?;于是: Var(b2)=?2/SSR; 四个因素共同影响着bj方差的大小。
Rj2为Xj关于其他解释变量这一辅助回归的决定系数1/(1-Rj2)称为方差膨胀因子(variance inflation factor);估计量不准确,?j的样本估计值可能会远离真值
置信区间大,关于?j的不同的假设都可能被接受,bj可能不会显著地异于“任何”假设
t检验值变小,可能将重要的变量排除在模型之外
使区间预测的“区间”变大,使预测失去意义。; 3、何时需要多重共线性;特别地,取; 可见,较强的共线性使得?1、?2的估计量的方差较大,从而对它们各自的估计变得不准确性确;
但却使?1、?2的组合?1+?2的估计量的方差变小,因此使该组合的估计变得更准确。;§5.3 广义最小二乘估计Generalized Least Squares Estimation; 注意:;二、最小二乘估计 Least Squares Estimation;另外,E(e|X)=ME(?|X)=0 Var(e)=MVar(?|X)M’=?2MVM’;显然,该期望不等于真值
Var(b)= ?2[(X’X)-1X’]V(X’X)-1X’]’
= ?2[(X’X)-1(X’VX)(X’X)-1];注意:;三、广义最小二乘估计 Generalized Least Squares (GLS) estimation;记为: Y*=X*?+?* (*
文档评论(0)