计量经济学ch4试卷.pptx

多元回归分析 CH4 1 4.1 从一元到多元 在一元回归分析中，只有一个自变量。隐含的前提是，影响因变量的主要因素只有一个，其它影响都是随机性的。 经济变量之间的关系往往涉及到多种因素和多个变量。 一个经济变量的影响因素往往不止一个。 2 3 三变量（二元）线性回归模型 1、回归模型 教科书需求量模型： 总体回归方程： E(Y|X)=B1+ B2X2+ B3X3 总体回归方程的随机形式： Yi= B1+ B2X2i+ B3X3i+ui Y（因变量）=教科书需求量， X2（自变量）=教科书价格 X3（自变量）=可支配收入 ui =随机误差项 4 2、偏回归系数 B2、 B3称为偏回归系数 B2表示当其他条件不变时， X2变动一个单位Y的均值的改变量； B3表示当其他条件不变时，X3变动一个单位Y的均值的改变量。 4.2 例子：消费的影响因素 在第2章中的消费函数是 这里我们默认工资是唯一重要的影响因素 如果把非工资性收入 加入模型，则消费函数为 这使得我们在研究工资收入对消费的影响时，可以剥离非工资性收入的影响。反之亦然。 5 4.3 多元回归模型的OLS方法 第2章总体回归函数可以推广到多元函数 （PRF） 或 变量分别记为 ， 用来表示恒取1 的“变量”。 每次观察实际上是维空间的一个点 6 4.3.1 残差平方和 寻找超平面，使散点与它的纵向距离最小 如果超平面记为 则残差（散点到平面的纵向距离）为 残差平方和为 7 4.3.2 正规方程 残差平方和最小的必要条件 8 4.3.3 正规方程有唯一解的条件 矩阵 的秩为 ，其中 9 4.3.4 正规方程的解 当n=3时，正规方程的解为（小写字母：离差） 10 4.4 多元CLRM的假设 为了保证多元回归OLS估计量具有良好的性质，并利用样本回归函数（SPF）推测总体回归函数（PRF）的性质，需要对多元回归模型做适当的假设。 这些假设与一元回归模型是类似的。 但要增加一个假设：自变量之间不存在完全共线性。 11 4.4.1 线性假设（参数线性） 假设1：因变量 与自变量 具有线性关系 即存在形如 的方程准确地描述了变量之间的关系。 这就是总体回归函数（PRF）。或写成 12 4.4.2 自变量不是随机变量 假设2：自变量 是非随机的：在重复抽样的过程中，每个自变量 的取值保持不变。 该假设帮助我们理解“重复抽样”情形下OLS估计量的分布规律，判断OLS估计量的“优劣”。 13 4.4.3 误差项均值为零 假设3：给定自变量 ， 随机误差项 的均值为0，即 该假设与 等价，其直观含义是，因变量在其均值的上下“波动”，均值是“波动”的中心。 14 4.4.4 同方差假设 假设4：误差项 的方差相等，即 的条件方差是常数，亦即 该假设的含义是，对于不同自变量，扰动项的“波动幅度”是相同的，对应的因变量有相同的“波动幅度”——方差。 15 4.4.5 误差项无自相关 假设5：各个误差项之间无自相关。对任意的 ， 和 之间的相关系数为0，即 16 4.4.6 无完全共线性 假设6：解释变量之间不存在完全共线性，或者说，任何一个解释变量不能表示成其他解释变量的线性函数。 等价的表述是 向量组 线性无关 17 4.5 高斯-马尔科夫定理 如果以上假设（1-6）成立，则最小二乘（OLS）估计量是最优线性无偏估计量。 最优的含义是，在所有线性无偏的估计中，最小二乘估计量的方差最小。 满足假设（1-6）的回归模型称为经典线性回归模型，简称CLRM。 18 4.6 OLS估计量的BULE性质 假设1-6满足时，OLS估计量是 1. 线性的（linear）：因变量的线性函数。 2. 无偏的（unbiased）：估计量的均值或数学期望等于真实的参数。即 3. 最优的或有效的（Best or efficient）：如果存在其它线性无偏的估计量，其方差必定大于OLS估计量的方差。