应用统计学：回归分析.ppt

第四章 多元线性回归模型;一、回归分析的机理;93;身高相同的人体重不一定相同;平均身高62.85;这条直线的含义是什么？;总体回归函数说明在给定的身高下，体重平均水平。 但对某一个妇女，其体重可能与该平均水平有偏差。 被解释变量观察值围绕其期望值的离差，是一个不可观测的随机变量，称为随机误差项。 ;为什么要设随机误差项？;样本回归函数;回归分析的主要目的：根据样本回归函数SRF，估计总体回归函数PRF。;一、回归分析的机理;二、经典回归模型及其参数估计;1.多元回归模型及其经典假设;多元回归模型的矩阵表示;样本回归函数(SRF);多元回归模型的经典假设;关于多重共线性的进一步说明;经典假设的矩阵表示;2.回归参数的普通最小二乘估计：残差平方和最小;正规方程组;正规方程组的矩阵形式; OLS估计的矩阵表示 ;正规方程组的另一种表达; 可以证明，随机误差项?的方差的无偏估计量为： ;例：二元回归模型的参数估计; OLS参数估计量的性质; 样本容量问题 ; 2）、满足基本要求的样本容量 ;3. 偏回归系数的含义;1) 偏相关系数;例 控制第三变量;偏相关系数;简单相关系数vs偏相关系数;例1 “期望扩充”菲利普斯曲线;;;偏回归系数;三、残差分析与假设检验;1.假设检验的必要性和检验内容;1.假设检验的必要性和检验内容;假设检验的内容1：经典假设检验;假设检验的内容2：统计检验;假设检验的内容3：经济意义检验;2. 统计检验及经济意义检验前提条件：经典假设满足;（1）拟合优度检验;该统计量越接近于1，模型的拟合优度越高。 ; 调整的可决系数（adjusted coefficient of determination） ;（2）方程显著性的F检验; F检验的思想来自于总离差平方和的分解式 TSS=ESS+RSS; 在原假设H0成立的条件下，统计量 ; 关于拟合优度检验与方程显著性检验关系的讨论 ; 对于一般的实际问题，在5%的显著性水平下，F统计量的临界值所对应的R2的水平是较低的。所以，不宜过分注重R2值，应注重模型的经济意义；在进行总体显著性检验时，显著性水平应该控制在5%以内。;（3）变量的显著性检验（t检验）; 设计原假设与备择假设： ;例. 凯恩斯消费函数;参数估计值;边际消费倾向?11的假设检验? H0: ?1?1 H1: ?11 ;剔除不显著变量;3.经典假设的检验;1)正态分布检验：残差直方图和残差正态概率图;残差正态概率图;对比观察值得残差分布图与假设的正态分布图是否相同。如果标准化残差呈正态分布，则散点在直线上或靠近直线。;2)序列相关和异方差检验:残差散点图;残差散点图例;序列相关的识别;序列相关的DW检验（Durbin-Watson）:;一阶自相关: ?t=??t-1+?t;;3）多重共线检验;完全多重共线的估计问题;多重共线的实际后果;多重共线的实际后果;多重共线例;个别置信区间与联合置信域;多重共线产生的原因;多重共线的识别;消费支出与收入和财富关系例;4. 模型的修正;（1）模型存在异方差和序列相关;（2）多重共线的克服;多重共线的克服;多重共线的克服;*岭回归法（Ridge Regression）;例 医院生产率;多重共线修正：剔除变量;多重共线是否一定要修正？;四、含虚拟变量的回归;被赋予0值的类别是基底(基准),?1是基底类的截距。;薪金与性别：估计结果;2、含有虚拟变量的回归问题;2、含有虚拟变量的回归问题;3、比较两个回归;新食品定价和广告策略研究例;协变量调整后;五、线性回归过程;方法选择框：;方法选择框：;“统计量”对话框;“图”对话框;预测值的标准误;“选项”对话框;本章小结 多元回归模型;多元回归模型的建模过程;多元回归模型的建模过程（续）;回归建模示例1：粮食生产模型;模型估计结果;差分消除共线;剔除两个不显著变量;剔除变量法：先剔除“劳动力”;剔除“劳动力”和“机械总动力”