2011-06-多元回归分析75780290.pptVIP

* 校正判定系数 为什么要校正？ 判定系数随解释变量个数的增加而增大。易造成错觉：要模型拟合得越好，就应增加解释变量。然而增加解释变量会降低自由度，减少可用的样本数。并且有时增加解释变量是不必要的。 导致解释变量个数不同模型之间对比困难。 判定系数只涉及平方和，没有考虑自由度。 校正思路： 引进自由度校正所计算的平方和。 * 校正判定系数 （续） * 回归方程的显著性检验 * 回归方程的显著性检验 检验的目的：检验Y与解释变量x1，x2，……xk之间的线性关系是否显著。 检验的目的 * 回归方程的显著性检验 检验的步骤 第一步，提出假设： 原假设：H0：b1=b2=……bk=0 备择假设：H1：bi不全为0 （i=1，２，…，k） * 回归方程的显著性检验 检验的步骤 第二步，计算统计量： 或： （10-8） * 回归方程的显著性检验 第三步，查表，得： 检验的步骤 * 回归方程的显著性检验 检验的步骤 第四步，做检验： 拒绝H0， 回归方程显著 接受H0， 回归方程不显著 检验 法则 * 回归系数的显著性检验 回归方程显著，并不意味着每个解释变量对因变量Y的影响都重要,因此需要进行检验： 回归系数检验的必要性 回归方程显著 每个回归系数都显著 * 回归系数的显著性检验 回归系数检验的步骤 第一步，提出假设： 原假设：H0： bi=0 (i=1，2，……k) 备择假设：H1：bi≠0 (i=1，2，……k) * 回归系数的显著性检验 回归系数检验的步骤 第二步，构造并计算统计量 ： * 回归系数的显著性检验 回归系数检验的步骤 第三步，查表得 ： * 回归系数的显著性检验 回归系数检验的步骤 第四步，做检验： 接受H0 检验 法则 拒绝H0 * 回归系数的显著性检验 关于模型的异方差、自相关、多重共线性问题的检验，请参考计量经济学有关教材。 * 多元线性回归模型的预测 * 例子（会写出矩阵） 响应变量y x1i=x X2i=x2 0 -1 1 2 -1 1 4 0 0 5 0 0 3 1 1 4 1 1 矩阵中： n=6，k=2 * 逆矩阵求法：（A|E）行变换为（E|A-1） * * * 袁克虹 办公电话办公地点:L楼305B 邮件：yuankh@sz.tsinghua.edu.cn 2011.04.26 多元线性回归模型 * 主要内容 多元线性回归模型的一般形式 参数估计（ OLS估计） 假设检验 预测 * 一. 多元线性回归模型 问题的提出 解析形式 矩阵形式 * 问题的提出 现实生活中引起被解释变量变化的因素并非仅只一个解释变量，可能有很多个解释变量。 例如，产出往往受各种投入要素——资本、劳动、技术等的影响；销售额往往受价格和公司对广告费的投入的影响等。 所以在一元线性模型的基础上，提出多元线性模型——解释变量个数≥ 2 * ● 对人均国民生产总值（Y）的 影响因素（X）有： 人口变动因素、固定资产数、货币供给量、 物价指数、国内国际市场供求关系等 ● 对汽车需求量（Y）的 影响因素（X）有： 收入水平、汽车价格、 汽油价格等 社会经济现象的复杂性 ！ * 多元线性回归模型表示方法 多元回归模型:含两个以上解释变量的回归模型 多元线性回归模型:一个应变量与多个解释变量之间设定的是线性关系 多元线性回归模型一般形式为： * 多元线性回归模型的假设 解释变量 Xi 是确定性变量，不是随机变量；解释变量之间互不相关，即无多重共线性。 随机误差项具有0均值和同方差 随机误差项不存在序列相关关系 随机误差项与解释变量之间不相关 随机误差项服从0均值、同方差的正态分布 * 多元模型的解析表达式 * 多元模型的矩阵表达式 * 矩阵形式 * 二. 参数估计(OLS) 参数值估计 参数估计量的性质 偏回归系数的含义 正规方程 样本容量问题 * 2.1参数值估计(OLS) 要使误差最小，因而须有偏导为0 * 得到下列方程组 求参数估计值的实质是求一个k+1元方程组 * 正规方程 变成矩阵形式 * 正规方程 矩阵形式 * 最小二乘法的矩阵表示 * 最小二乘估计量的性质 （1）线性（估计量都是被解释变量观测值的线性组合） （2）无偏性（估计量的数学期望=被估计的真值） （3）有效性（估计量的方差是所有线性无偏估计中最小的） * OLS估计量的性质（续） * 线性 * 无偏性 * 有效性 * OLS回归线的性质 完全同一元情形： * 注解：k与k+1 凡是按解释变量的个数为k的，那么共有k+1个参数要估计。而按参数个数为k的，则实际有k-1个解释变量。总之两者相差1