第3讲古典线性回归模型.pptVIP

第3讲 古典线性回归模型 一、古典假定 二、满足古典假定下的参数估计 三、参数估计的性质 四、回归模型检验 五、预测 一、古典假定 古典回归模型的一般形式 古典回归模型的基本假定 二、满足古典假定下的参数估计 1. 普通最小二乘估计 2. 方差的估计 3. 回归参数的最大似然估计 三、 参数估计量的性质 四、检验 五、预测 * 解释变量x1,x2,…,xp是确定性变量,不是随机变量； 而且各X之间互不相关（无多重共线性） 1. 矩阵X是非随机的；且X的秩rk(X)=p+1＜n； 表明设计矩阵X中的自变量列之间不相关, X是一满秩矩阵。此时XTX也是满秩的。 2. 随机误差项具有0均值，等方差和序列不相关,即 2. 0期望，无异方差，无自相关假定 3. 随机扰动项服从正态分布 3. 用矩阵形式表示，即向量ε为多维正态分布 ε～N(0, s2In) 4. 解释变量异与随机扰动项不相关， 4. 用矩阵形式表示，即 在正态假定下: y～N(Xβ, s2In) E(y)=Xβ var(y)= s2In  最小二乘估计要寻找 用矩阵形式表示的正规方程组 移项得 存在时，即得回归参数的最小二乘估计为： y～N(Xβ,σ2In) 似然函数为 等价于使(y-Xβ)′(y-Xβ)达到最小,这又完全与OLSE一样 思想：使当前发生的样本出现的可能性最大的参数 性质1 是随机向量y的一个线性变换。 性质2 是β的无偏估计。 当p=1时 理论检验 2. 统计检验 3. 条件检验 4. 应用 (1) F检验 H0:β1=β2=…=βp=0 SST = SSR + SSE 当H0成立时服从 P(FF值) =P值 SSR/p SSE/(n-p-1) SSR SSE SST p n-p-1 n-1 回归 残差 总和 P值 F值 均方 平方和 自由度 方差来源 (2) 回归系数的显著性检验 t 检验的实质是检验解释变量是不是被解释变量的影响因素 H0j:βj=0, j=1,2,…,p ～Ｎ（β,σ２（Ｘ＇X）-1） 记 (Ｘ＇X)-1=（cij) i,j=0,1,2,… ,p 构造t统计量 其中 (2) 拟合优度检验 决定系数为： y关于x1,x2,…,xp的样本复相关系数 1. 点预测 经验回归方程 对于样本以外自变量的值 因变量的点预测值： *