第8章相关与回归分析(8[1].3).ppt

01-03-02 第三节 多元线性回归模型 学习内容 Learning Objectives 1. 多元线性回归模型的一般形式 2. OLS估计 3. 参数估计的性质 4. 正规方程 5. 样本容量问题 6. 多元线性回归模型的参数估计的实例 问题的提出 现实生活中引起被解释变量变化的因素并非仅只一个解释变量，可能有很多个解释变量。例如，产出往往受各种投入要素——资本、劳动、技术等的影响；销售额往往受价格和公司对广告费的投入的影响等。 所以在一元线性模型的基础上，提出多元线性模型——解释变量个数=2 解决问题的思路 在多元模型中要估计的是一个平面或超平面。 选取最好“平面”的准则，仍然是实际点到拟合平面（通常仍称它为拟合直线）的纵向距离最小——拟合值尽可能逼近真值——使剩余（实际值Y减去拟合直线上对应的Y^值）的平方和最小。 于是将问题转化为一个求极值的数学问题 1.多元线性模型的解析表达式 多元线性回归模型的矩阵形式 一、普通最小二乘估计 最小二乘法的矩阵表示 解决问题的思路 在二元模型中要估计的乃是一个平面。 选取最好“平面”的准则，仍然是实际点到拟合平面（通常仍称它为拟合直线）的纵向距离最小——拟合值尽可能逼近真值，即使残差（实际值减去拟合直线上对应的Y^值）的平方和最小。 于是将问题转化为一个求极值的数学问题。 含两个自变量的最小二乘法 原始数据的矩阵表示 数学原理 正规方程 正规方程的解 正规方程解的行列式表示 最小二乘法的矩阵表示 一元模型原始数据 二元模型原始数据的矩阵表示 数学原理 正规方程 正规方程的矩阵表示 正规方程的解 正规方程解的行列式表示 简化了正规方程的矩阵表示 最小二乘法的矩阵表示 原始数据的矩阵表示 简化——中心化处理 销售额SALES与价格PRICE、广告费ADS之间的关系 手工计算步骤 （1）对照公式计算各个离均差求和项 （2）代入公式 （3）掌握公式用行列式表现的形式 EViews计算步骤 （1）生成由SALES、价格PRICE、广告费ADS构成的组，并对组命名 （2）观察它们的协方差矩阵、相关系数矩阵 （3）分别观察销售额SALES与价格PRICE和广告费ADS的散点图 （4）选择PROCE中的EQUATION得到估计结果 注意设计估计方程的两种形式 （5）熟悉各个统计量的意义 拟合优度、F、偏回归系数、系数的标准误、t、概率 （6）观察方程的各种表现形式 拟合直线方程的建立 （7）将估计结果复制到研究报告中 偏回归系数的意义 在价格PRICE保持不变的条件下，广告费ADS变化一个单位将引起销售额SALES平均变化b1= 1.6097306个单位； 在广告费ADS保持不变的条件下，价格PRICE变化一个单位将引起销售额SALES平均变化b2= - 1.3069856个单位。 EVIEWS输出的估计结果 共分3个部分，顶部处理信息： EVIEWS输出的估计结果 共分3部，底部为描述统计量和检验统计量 EVIEWS输出的估计结果 共分3部分，中部关于系数的估计及其检验 建立回归方程 （特例）一元模型及其数据的矩阵形式 三、最小二乘估计量的性质 1、线性 （估计量都是被解释变量观测值的线性组合） 2、无偏性 （估计量的数学期望=被估计的真值） 3、有效性 估计量的方差是所有线性无偏估计中最小的） 1.线性（估计量都是被解释变量观测值的线性组合） 2、无偏性 3、有效性 的统计含义？ 4.一致性 参数估计量在小样本下不完全具有无偏性和有效性，但是随着样本容量增大，即当n??時，参数估计量趋于参数真值——渐进无偏性，方差趋于所有线性无偏估计中的最小——渐进有效性，则称该估计量具有一致性。 一致性是一种大样本属性。 偏回归系数的意义 1、关于模型5项基本假定满足的条件下，OLS得到的回归系数具有三项优良性——线性、无偏和有效，是一个很好的估计量。 2、多元回归模型中的回归系数称为偏回归系数。某解释变量前回归系数的含义是，在其他解释变量保持不变的条件下，该变量变化一个单位，被解释变量将平均发生偏回归系数大小的变动。 3、偏回归系数是有单位的。 返回 四、正规方程 1、正规方程的定义 2、正规方程的解析表示 3、正规方程的矩阵表示 4、最小二乘法是广义矩估计法的特例 正规方程 由最小二乘法得到的用以估计回归系数的线性方程组，称为正规方程。 正规方程的矩阵