多元线性回归模型(第至节).pptVIP

01-3-3 商学院 王中昭 第三章经典单方程计量经济学模型：多元线性回归模型 本章的主要内容 §3.1 多元线性回归模型 二元回归方程的直观解释 多元模型的解析表达式 多元线性回归模型的一般形式 二、多元线性回归模型的基本假定 假定1：解释变量X1,X2,…Xk是确定性变量（非随机的，即E(Xi)=Xi)。解释变量之间互不相关。 假定2：随机误差项μi具有0均值和同方差。即： E(μi)=0， Var(μi)=?2 （σ不依赖于样本期数i) 假定3：随机误差项在不同样本点之间是独立的。即： Cov(μi,μj)=0，i≠j，表示误差不存在序列相关。 假定4：随机误差项与解释变量之间不相关,但与被解释变量Y相关。即: Cov(μi,Xji)=0，但：Cov(μi,Y) ≠0。 假定5：随机误差项服从0均值、同方差的正态分布。即: μi ~ N(0,?2) §3.2 多元线性回归模型参数估计（OLS法） 四、参数估计量的性质(证明从略） 五、样本容量问题 1、最小样本容量 n≥k+1 2、建模的样本容量的最低要求 建立中国居民人均消费模型，数据为1978-2000年（详见P50）。 依据消费由收入决定以及消费的刚性建立理论模型。即除了人均国内生产总值GDPP作为解释变量外，还选择上一期的居民人均消费作为解释变量。 首先观察它们是否为线性关系。 1、观察consp与gdpp的散点图。近似直线关系 §3.3多元线性回归模型的模型检验 一、经济意义检验 二、统计检验 主要检验模型参数的符号、大小和变量之间的相关关系是否与经济理论和实际经验相符合。 consp= 120.7253 + 0.221359gdpp + 0.451408consp(-1) 在例3.2.2中（P65）模型的参数值 ：上一年居民人均消费系数=0.451408,人均国内生产总值 GDPP的系数为0.221359均正确，经济意义检验通过。 某大城市的空调机的销量 Y=β0+β1X1+β2X2+β3X3+β4X4+μ E*REX=b0+b1S+b2TW+b3PW+b4REX+μ 其中 E：某类商品出口额，REX：汇率（人民币/美元），S：国内供给能力(如GDP），TW：该类商品世界出口量指数，PW：该类商品出口单价指数。 高汇率（人民币贬值）会剌激出口，抑制进口，反之过低汇率会剌激进口，抑制出口。 则 b10,b20,b30, b40。 主要内容： （一）、拟合优度检验（R2检验） （二）、变量显著性检验（t检验）（三）、复相关系数检验（R检验） （四）、方程显著性检验（F检验） （五）、残差标准差检验（SE检验） 模型的统计检验不涉及模型的经济内涵。 主要是检验模型是否满足数学理论与方法上的要求——统计差异显著性。 统计检验的结果表明模型是否能代表数据，或者说观察到的事实是否支持模型。 统计检验目的是检验模型的可靠性。 检验模型对样本的拟合程度称为拟合优度。 方法：构造一个表示拟合程度的指标，根据一定准则进行判断。 例如左边两个问题，它们都满足OLS，但拟合程度明显不同。 1、总离差平方和=回归平方和+残差平方和 这就是总离差平方和（反映了被解释变量的总变动大小）的分解式 证明见下页 TSS=RSS+ESS的证明: 从这里可看出，在总离差平方和TSS一定的条件下，回归平方和ESS越大，则残差平方和RSS就越小，不能被X1，X2，……，Xk解释部分就越少，从而模型也就拟合得越好。即拟合程度就越高。反之就越低。所以把ESS在总离差平方和TSS中所占的比重（记为R2），即 （1）、R2 —拟合优度（或称为判定系数、决定系数） （2）、调整了的 比R2合理 这样会产生一个错觉，要使模型拟合得好，只要增加解释变量即可，这显然不合理。若要用R2作为评价标准，则它应与解释变量个数无关，为此必须对R2进行调整。将R2表达式中的分子分母同时除以它们各自的自由度，变成了均方差之比，这样就消除了解释变量个数对R2的影响。 （二）、变量的显著性检验（T检验） 目的：检验Xi是否为Y的自变量。其作用是剔除模型中回归系数不显著（T检验通不过）的解释变量，使模型更简洁实用。 t检验的步骤 1、假设：H0：βi=0, (i=0,1….,k)，相反假设H1：βi≠0 2、计算第i个自变量的t统计量(i=0,1,2,…,k): 解释： 假设检验过程如下： 1、提出假设H0：βi=0, i=1,2,……,k H1：βi≠0, i=1,2,……,k 2、在H0成立的条件下，有 统计检验的原理(例如t检验) 1、提出原假设: H0：βi=0, i