第3章多元线性回归模型10301计量经济学.pptVIP

第一节　多元线性回归模型及其假设条件 第二节　模型参数的估计 第三节　回归系数向量估计值的统计学特性 第四节　多元线性回归模型的检验　 第五节　含有虚拟变量的回归模型 第六节　解释变量的选择 第七节　若干问题讨论 第八节　多元线性回归模型的应用 1985－1996年平均消费支出、平均收入和消费价格指数数据 第一节 多元线性回归模型及其假设条件 设所研究的对象（因变量Y）受多个因素X1,X2,…,Xk和随机干扰项u的影响，假设各因素与Y的关系是线性的，这样就可把一元线性回归模型自然推广到多元的情形。 其中：k为解释变量的数目，?k称为回归参数。 习惯上：X1i恒取1对应于常数项。模型可表示为： 一、常用的检验方法 2. F检验—方程的显著性检验 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 关于拟合优度检验与方程显著性检验的关系 F与R2同向变化：当R2＝0时，F＝0； 　　　　　　　　 R2越大，F值越大； 　　　　　　　　　　　　 R2＝1时，F为无穷大。 3. t检验—变量的显著性检验 方程的总体线性关系显著?每个解释变量对被解释变量的影响都是显著的。 因此，必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。 4. DW检验—一阶自相关检验 序列相关(serial correlation)：回归模型的随机干扰项之间不完全独立，存在一定程度相关。也称自相关(autocorrelation)。 德宾-沃森检验（Durbin-Watson test） 德宾-沃森检验的步骤： 对原方程进行OLS估计得残差； 根据d统计量公式计算DW值； 根据样本容量n和解释变量数目k查找DW的下临界值和上临界值； 根据决策规则判定是否存在一阶自相关。 如当计算的d落到无法判断的区域内，这种情况下的解决办法： 增加样本容量，重新计算d统计量DW，再进行检验。 更换样本，利用新样本计算d统计量DW，再进行检验。 利用其他方法进行自相关性检验。 例：德宾-沃森检验 进口商品消费支出（IMPORT）与可支配收入（PDI） 第五节 含有虚拟变量的回归模型 数量变量：解释变量具有数量性质的变量，如产量、销售量、价格、国民收入等等。 品质变量：解释变量具有属性性质的变量，如性别、政府政策变化、季节、宗教、战争、地震等等。 建立回归模型时，既要考虑数量变量，又要考虑品质变量。如何将品质变量引入回归模型？ 逐步回归法的基本思想：在考虑Y对已知的一群变量X回归时，根据某一变量加入到模型中或从模型中删除对回归变差或模型解释力（样本可决系数R2）的影响来选择解释变量。 如一个变量加入到模型中或从模型中删除后模型的回归变差或模型解释力（样本可决系数）变化不大，则认为可忽略此变量，反之，则应将它加入到模型。 也就是说，从变量中，即逐步选出对已解释（回归）变差的贡献最大的变量，进入回归方程。 逐步回归法选择解释变量的方式： （1）前向回归法：逐个增加解释变量的方法。 （2）后向回归法：逐个删除解释变量的方法。 偏相关系数：在诸多相关的变量中，令其中一个变量或若干个变量保持不变，度量任意两个变量之间的相关程度。 例如：已知y = β2 x2 +β3 x3 + ... +βk xk + u ，偏相关系数 　　　 表示排除x3,..., xk 的影响后， y 与x2 之间的相关关系。 偏相关系数法：按照偏相关系数大小选择解释变量的方法。 一、模型设定误差 设定误差（specification error） ：经典正态线性模型假定模型的设定是正确的，但一般情况下我们建立的模型很可能是不正确的，这种情况称为设定误差。主要包括： 遗漏相关变量（解释变量“过少”） 包含无关变量（解释变量“过多”） 模型采用错误的数学形式 例：设定误差 1968-1987年美国居民对进口商品的消费支出（IMPORT）与可支配收入（PDI）的关系 设定误差的影响 遗漏相关变量：回归系数的OLS估计量可能是有偏的、非一致的；系数的方差估计也是有偏的。 包含无关变量：回归系数的OLS估计量是无偏的，方差估计也是无偏的，但不是最小方差，因而OLS估计量不是有效的。 错误的函数形式：回归系数的OLS估计量可能有偏。 一般来说，遗漏相关变量的后果要严重一些，因为它损失了无偏性。特别是当样本比较大时，包含不相关变量带来的自由度减少不太严重，因而包含不相关变量的影响要小一些。 设定误差的诊断和处理 遗漏相关变量和采用错误的函数形式 根据设定好的模型进行OLS估计，对结果进行判断 残差图 R2和调整的R2 与预期相比，系数估计值的符号 回归系数的t值 德宾-沃森DW统计量 如果R2较低，或者系数估计值符号与预期相反，或者