第三章多元线性回归模型.pptVIP

  1. 1、本文档共41页,可阅读全部内容。
  2. 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. 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. 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)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第三章 多元线性回归模型 多元线性回归模型及其基本假设 多元线性回归模型的估计问题 经典假设满足时的推断问题 一、多元线性回归模型及其基本假设 Leslie土地价格例:1968年加州某市想从Leslie公司征一块地建公园,为了确定一个公平的市场价格,希望做一个回归分析,以便了解有哪些因素影响这些土地的价值。变量如下: Price:千美元/亩 County:土地所处地区,0-San Mateo,1-Santa Clara Size:土地的规模,亩 Elevation:海拔高度,英尺 Sewer:据最近排水系统的距离,英尺 Date:交易日期,从现在起倒数,月 Flood:潮汐是否造成洪水,1-是,0-否 Distance:到Leslie公司的距离,英里(距公司越远,到洛杉矶越近) 数据 1. 多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式: 2. 多元回归模型的假设 假设1: x1,x2, … xk是非随机的。 假设2:E(?i)=0 i=1,2, …n 假设3:Var(?i)=?2 (E(?i?i)= ?2 ) 假设4:无序列相关, E(?i?j)=0 假设5:x诸变量间无准确的线性关系,即:无多重共线性。 数学表示为:不存在一组不全为零的数?1、?2、… ?k,使得: ?1x1i+ ?2x2i+ …+ ?kxki=0 假设6:?i ?N(0, ?2) 关于多重共线性的进一步说明 如果存在一组不全为零的数?1、?2、… ?k,使得: ?1x1i+ ?2x2i+ …+ ?kxki=0 不妨设?1?0,则上式可变为: x1i=-(?2x2i+ …+ ?kxki)/?1 称解释变量之间存在完全共线性,此时,某个解释变量可以写为其它解释变量的线性组合。 如果 ,会不会破坏无多重共线假定? 经典假设的矩阵表示 假设2: 二、多元回归模型的估计问题 偏回归系数的OLS估计 偏回归系数的含义 复判定系数 1. 偏回归系数的OLS估计 二元回归的样本回归函数为: 求解正规方程组可得: OLS估计量的方差和标准误 对有k个解释变量的多元回归模型 对于随机抽取的n组观测值 多元回归最小二乘估计量的性质 在满足基本假设的情况下,其偏回归系数?的普通最小二乘估计仍具有: 线性性、无偏性、有效性。 2. 偏回归系数的含义 二元回归模型为:yi=?0+?1x1i+?2x2i+?i 例1 “期望扩充”菲利普斯曲线 菲利普斯曲线表明:通货膨胀率和失业率是反向变化的。期望扩充菲利普斯曲线增加了预期通货膨胀率的影响。 1970-1982年美国真实通货膨胀率y(%)、失业率x1(%)和预期通货膨胀率x2(%)数据如表,作菲利普斯曲线。 原始菲利普斯曲线:yt=b0+b10x1t+?1t 期望扩充菲利普斯曲线: yt=?0+?1x1t+?2x2t+?t 例1 “期望扩充”菲利普斯曲线 估计结果 原始菲利普斯曲线 B10≠ ?1? 设定偏误初探 yt=b0+b10x1t+?1t 偏回归系数 偏回归系数表示了其他因素不变时,相应解释变量对因变量的“净影响”。 ?1反映了x2不变的条件下,x1对y的净影响 偏回归系数:控制第三变量 多元回归与一元回归的区别:为什么要作多元回归 课堂练习1 假设要求你建立一个计量经济模型来说明在学校跑道上慢跑一英里以上的人数,以便决定是否修建第二条跑道以满足所有的锻炼者。你通过整个学年收集数据,得到两个可能的方程: 其中:y:某天慢跑者的人数,x1:该天降雨量,x2:该天日照的小时数,x3:该天的最高温度,x4:第二天需交学期论文的班级数。问: 这两个方程你认为哪个更合理,为什么? 为什么用相同的数据去估计相同变量的系数?2能得到不同的符号? 3. 复判定系数R2 以二元回归为例,复判定系数R2定义如下: 校正的复判定系数 R2的重要性质:模型中解释变量个数的非减函数,即随着解释变量个数的增加, R2几乎必然增大,不减小。易给人错觉:要使模型拟合得更好,只要在方程中加入新的变量即可。 校正的判定系数定义如下:对有k个解释变量的多元回归方程 三、经典假设满足时的推断问题 方程总显著性检验 关于单个偏回归系数的假设检验 检验两个或多个系数是否相等 检验偏回归系数是否满足某种约束条件 检验所估计的回归模型在时间上或在不同截面上的稳定性 检验回归模型的函数形式 (一) 方程总显著性检验 概念: 对二元线性回归方程, H0:?1=?2=0 H1: ?1和?2不同时为0 被称作对所估

您可能关注的文档

文档评论(0)

junjun37473 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档