- 1、本文档共14页,可阅读全部内容。
- 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、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、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)。
查看更多
古典假设和最小二乘
古典假设与最小二乘
5、双残差回归
对于双残差回归,首先考察它的由来,然后进一步讨论由它引申出的一些性质。
(1)残差的定义
由,可以得到:
其中,它是一个对称幂等矩阵,存在的性质。因此表示了对回归得到的残差。
(2)双残差回归 (分割矩阵)
我们记:
两边同时左乘,并用矩阵表示可以得到:
利用分块矩阵求逆的公式可以得到:
再代回到方程中,并整理可以得到:
其中:,,
对上式进行理解:表示了对回归得到的残差,表示了对回归得到的残差,即:。它表示的是残差对残差回归的参数估计。进一步理解:残差中扣除了中包含的的信息;残差扣除了中包含的的信息。因此双残差(、)回归仅反应了在扣除了的影响后,对的作用情况,同样说明了系数表示的是变量与的偏相关。
同样,的表示与一样,它们是一种对称的关系。
(3)经济解释与实际应用
双残差回归得到的偏回归系数与统计中的偏相关系数是密切联系的,但不是严格意义上的偏相关系数。所谓偏相关系数,就是扣除了中间变量影响后的相关系数。它与简单相关系数的一个主要区别在于,通常情况下,简单相关系数不仅包含了两个变量之间的直接相关关系,还包括了变量间的间接相关关系(通过中间变量的相关性传导)。一种极端的情况是:变量间的相关关系完全是由间接相关关系引起的。如果是这样,那么在控制了中间变量的影响之后,两个关注变量之间就表现为不相关。又或者说,两个变量之间的简单相关关系是一种负相关的关系,但是在控制了中间变量影响后就可能表现为正相关。
举例来说,假设回归方程为,要计算与Z之间的偏相关系数,具体的计算步骤如下:
(1)对X进行回归,得到回归残差()
(2)对X进行回归,得到残差
(3)与Z之间的偏相关系数就是与之间的简单相关系数。可以简单的写成平方形式为:
(残差的均值为零,上下N消去,可证明)
在计量经济学中有关注变量和控制变量的说法,就是对应了以上的原理。不妨假设在一个典型的线性回归方程中,变量集是我们的关注变量集,相应的就是我们的控制变量集。估计系数表示的就是在控制了变量集后,对的影响。也就是通常说的,在其他变量保持不变的情况下,的变化引起的的变化。很显然,在不同的情况下,我们可以改变我们的控制变量集,来看我们的关注变量系数是否发生显著的变化,这在实证中是很重要步骤和思想。控制变量的t值大小可以不必过于在意。
小结:
双残差回归思想的理解和具体步骤
其中:,,
假设现在要求的是系数
(1)对进行回归,得到回归的残差记为。
(2)对进行回归,得到回归的残差记为
(3)对回归,得到的参数估计就是的估计值。
残差中扣除了中包含的的信息;残差扣除了中包含的的信息。因此双残差(、)回归仅反应了,在扣除了的影响,对的作用情况,同样说明了系数表示的是变量与的偏相关。
同样,的表示与一样,它们是一种对称的关系。
双残差回归得到的偏回归系数与统计中的偏相关系数是密切联系的,但不是严格意义上的偏相关系数。所谓偏相关系数,就是扣除了中间变量影响后的相关系数。它与简单相关系数的一个主要区别在于,通常情况下,简单相关系数不仅包含了两个变量之间的直接相关关系,额包括了变量间的间接相关关系(通过中间变量的相关性传导)。一种极端的情况是:变量间的相关关系完全是由间接相关关系引起的。如果是这样,那么在控制了中间变量的影响之后,两个关注变量之间就表现为不相关。又或者说,两个变量之间的简单相关关系是一种负相关的关系,但是在控制了中间变量影响后就可能表现为正相关。
在计量经济学中有关注变量和控制变量的说法,就是对应了以上的原理。不妨假设在一个典型的线性回归方程中,变量集是我们的关注变量集,相应的就是我们的控制变量集。估计系数表示的就是在控制了变量集后,对的影响。也就是通常说的,在其他变量保持不变的情况下,的变化引起的的变化。很显然,在不同的情况下,我们可以改变我们的控制变量集,来看我们的关注变量系数是否发生显著的变化,这在实证中是很重要步骤和思想。控制变量的t值大小可以不必过于在意。
6、方差分解和拟合优度
(1)方差分解
在初等计量中:考虑一个线性回归方程式:
方程两边同取平均值,为
两式相减得到:
(二倍交叉项为零)
也就是:,即: 总离差平方和=残差平方和+回归平方和。
于是可以得到可决系数,它可以用来判别模型的拟合优度。
在格林教材中,对于可决系数的计算是用矩阵来表达的。记单位向量,令矩阵,可以证明也是一个对称幂等矩阵。
对任意的列向量,有如下结论成立:
(a)
(b)
则
定义可决系数。
四、思考题
1、阐述双残差回归的步骤和其中体现的统计思想。
2、证明在线性回归中增加新的解释变量会使得可决系数增大。即上述定理 eq \o\ac(○,2)
3、定义,,是中的部分解释变量。证明:
第三部分 最小二乘(OLS)的有限样本
文档评论(0)