第3章多元线性回归模型.pptVIP

计量经济学基础 第三章　多元线性回归模型 本章内容的逻辑体系 §3.1 模型的建立及假设条件 一、多元线性回归模型的基本概念 二、多元线性回归模型的基本假定 一、多元线性回归模型的基本概念 假设被解释变量Y是多个解释变量X1,X2,···,Xk和随机误差项u的线性函数： 多元总体线性回归方程: 二、多元线性回归模型的基本假定    §3.2 最小二乘法 随机抽取n组观测值(X1i,X2i,···,Xki;Yi)， i=1,2, ···,n，若样本回归方程的参数估计值已经得到，即： 最小二乘准则：使残差平方和最小。即求解下列无约束极值问题： 回归系数的方差及其估计值 §3.4 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间 一、拟合优度检验 1、可决系数与调整的可决系数 一、拟合优度检验 变差来源 平方和 自由度 均方差 回归平方和 残差平方和 总离差平方和 二、回归方程的显著性检验(F检验) 回归方程的显著性检验，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。即检验模型: 二、回归方程的显著性检验(F检验) F检验的具体步骤： 二、回归方程的显著性检验(F检验) 三、变量的显著性检验（t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。 四、回归系数的置信区间 回归系数的置信区间主要用来考察：在一次抽样中所估计出的参数值离其真实值有多“近”。 §3.5 多元线性回归模型的预测 1、提出原假设与备择假设： 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 2.在H0成立的前提下构建统计量 若F? F?(k,n-k-1)，则拒绝原假设H0，即认为回归方程总体上存在显著的线性关系； 若F≤ F?(k,n-k-1)，则不能拒绝原假设H0，即认为回归方程总体上不存在显著的线性关系。 3、给定显著性水平α，查表求得临界值F α(k,n-k-1)， 　　从而确定拒绝域F F α (k,n-k-1) 4、根据样本观察值求出F统计量的值并进行判断： 可决系数与F检验 由方差分析可以看出，F检验与可决系数有密切联系，二者 都建立在对应变量变差分解的基础上。F统计量也可通过可 决系数计算： 可看出：当 时， 越大， 值也越大 当 时， 结论：方程的显著性检验和拟合优度检验是一致的 这一检验是由对变量进行t检验来完成的。 注意：在一元线性回归模型中，F检验和t检验　 　　　　是等价的。 1、t统计量 从前面的分析知道，回归系数的估计量服从正态分布。其中： 三、变量的显著性检验（t检验） 由此，可构造如下t统计量 特别地，如果回归系数的真实值为0，则t统计量为： 三、变量的显著性检验（t检验） 2、t检验的具体步骤： 1）提出原假设与备择假设： 三、变量的显著性检验（t检验） 2）构建t统计量： 若|t|? t?/2(n-k-1)，则拒绝接受原假设H0，即认为解释变量Xi对被解释变量Y存在显著影响。 若 |t|≤t?/2(n-k-1)，则不能拒绝原假设，即认为解释变量Xi对被解释变量Y的影响在统计上不显著 三、变量的显著性检验（t检验） 3)给定显著性水平α，得到临界值t α /2(n-k-1)， 　 确定拒绝域|t| t α /2(n-k-1) 4)由样本观测值求出t统计量值并进行判断： 容易推出：在(1-?)的置信水平下?i的置信区间是 在变量的显著性检验中已经知道： *经济贸易学院 熊维勤 *经济贸易学院 熊维勤 多元线性回归模型概述 多元线性回归模型的参数估计 多元线性回归模型的统计检验 多元线性回归模型的预测 可化为线性的非线性模型 受约束回归 主要内容 模型建立 参数估计 统计检验 应用/预测 总体回归模型/方程 样本回归模型/方程 模型的假设条件 参数的最小二乘估计 离差形式的最小二乘估计量 随机误差项的方差估计量 最小二乘估计量的特性 总离差平方和分解公式；多元样本可决系数；三个平方和的计算公式；修正的可决系数 方程的显著性检验； 解释变量的显著性检验：t检验、区间估计 点预测：内插预测、外推预测 区间预测