3.1矩阵基础及多元线性回归模型.pptVIP

矩阵 矩阵(matrix)就是一个矩形数组。 m?n矩阵就有m行和n列。m称为行维数，n称为列维数。 可表示为： 方阵、行向量、列向量 方阵：具有相同的行数和列数的矩阵。一个方阵的维数就是其行数或列数。 行向量：一个1?m的矩阵被称为一个(m维)行向量。 列向量：一个n?1的矩阵被称为一个(n维)列向量。 对角矩阵、单位矩阵和零矩阵 矩阵的运算 矩阵运算的性质（1） 矩阵运算的性质（2） 矩阵的转置、对称矩阵 矩阵A的行与列互换称为A的转置矩阵，用A’表示 迹 对任意一个n?n的矩阵A，A的迹tr(A)定义为其主对角线元素之和。 迹的性质： 矩阵的逆 对一个n?n的矩阵A，如果存在矩阵B，使得 BA=AB=In 则称B为矩阵A的逆，用A-1表示。 如果A有逆矩阵，则称A是可逆的或非奇异的；否则，称A是不可逆的或奇异的。 矩阵逆的性质 (1) 如果一个矩阵的逆存在，则它是唯一的 (2) 若??0且A可逆，则 (3) 如果A和B都是n?n可逆矩阵，则 (4) 矩阵的行列式 给定一个n?n的方阵 ，A的行列式，记为|A|，定义为： |A|=?(-1)ta1p1a2p2…anpn 其中，t为p1p2….pn的逆序数。 例：求下列矩阵A的行列式 求方阵的逆矩阵（1） 余子式： 将n?n的方阵A的第i行和第j列去掉，所剩下的子矩阵的行列式叫做元素aij的余子式，记为|Mij| 例如： 求方阵的逆矩阵（2） 余因子(代数余子式)： 将n?n的方阵A的元素aij的余因子，记为cij ，定义为 cij =(-1)i+j|Mij| 求方阵的逆矩阵（3） 如果A是方阵且是非退化的矩阵（即|A|?0），则A的逆矩阵的计算公式为： 例：求下列矩阵A的逆阵 向量组的线性相关 (1) 令 x1, x2,…, xr是一组维数相同的向量，若存在不全为零的实数?1, ?2, …, ?r使得 则称向量组{x1, x2,…, xr}是线性相关的； 否则，称{x1, x2,…, xr}是线性无关的。 矩阵的秩 令A是一个n?m的矩阵，则A中线性无关的最大列向量称为A的秩，即为rank(A)。 若rank(A)=m，则称为列满秩 秩的性质： (1) 行秩＝列秩=rank(A) (即： rank(A’)=rank(A)) (2) 如果A是一个n?k矩阵，则 rank(A)?min(n,k) 正定和半正定矩阵 令A为n?n对称矩阵。 (1) 如果对除x=0外的所有n?1向量x，都有x’Ax0，则称A为正定的。 (2)如果对除x=0外的所有n?1向量x，都有x’Ax?0，则称A为半正定的。 正定和半正定矩阵的性质： (1) 正定矩阵的主对角元素都严格为正，半正定矩阵的主对角元素都非负； (2) A是正定的，则A-1存在并正定； (3) 如果X是一个n?k矩阵，则X’X和XX’都是半正定的； 幂等矩阵 令A为n?n对称矩阵。如果AA=A，则称A是幂等矩阵。 幂等矩阵的性质： 令A为n?n幂等矩阵 (1) rank(A)=tr(A) (2) A是半正定的。 矩阵微分 (1) 对于一个给定的n?1向量a，对所有n?1向量x，定义线性函数 f(x)= a’x，则f 对x的导数是1?n阶偏导数向量a’，即： (2) 对一个n?n的对称矩阵A，定义 则 方差-协方差矩阵 如果y是一个n?1随机向量，用var(y)（或cov-var(y)）表示的y的方差-协方差矩阵定义为： 其中?j2=var(yj), ?ij=var(yi, yj) 显然， ?ij=var(yi,yj) =var(yj,yi)=?ji，故var(y)对称。 第三章 经典单方程计量经济学模型：多元回归 多元线性回归模型 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 回归模型的其他形式 回归模型的参数约束 §3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 多元线性回归模型的引入 一元（双变量）线性回归模型在实践中对许多情况往往无法描述。 例如：对某商品的需求很可能