3_多元线性回归模型-new.pptVIP

第三章经典单方程计量经济学模型 多元线性回归模型 多元线性回归模型 为研究采取某项保险革新措施的速度y与保险公司的规模x1和保险公司类型的关系，选取下列数据：y是一个公司提出该项革新直至革新被采纳间隔的月数，x1是公司的总资产（单位：百万美元），x2是一个定性变量，表示公司类型：其中1表示股份公司，0表示互助公司。 实验数据（n=20） 输出结果 多元线性回归模型研究的内容 多元线性回归模型的一般形式 多元线性回归模型满足的基本假设 多元线性回归模型的参数估计方法 最小二乘估计量的性质 多元线性回归模型的检验 应用Eviews软件如何解决多元线性回归模型的参数估计 多元线性回归模型的矩阵表示 人们习惯上把常数项看成为一个虚变量的系数，在参数估计过程中该虚变量的样本观测值始终取1，这样模型中解释变量的数目为（k+1） 多元线性回归模型 多变量的线性回归模型的一般形式： 多元线性回归模型的矩阵表示 Y=XB+N 其中 多元线性回归模型的矩阵表示 多元线性回归模型研究的内容 多元线性回归模型的一般形式 多元线性回归模型满足的基本假设 多元线性回归模型的参数估计方法 最小二乘估计量的性质 多元线性回归模型的检验 应用Eviews软件如何解决多元线性回归模型的参数估计 假设3. 随机误差项?与解释变量X之间不相关： Cov(Xji, ?i)=0 i=1,2, …,n j=1,2,…,k 假设4. ?服从零均值、同方差、零协方差的正态分布 ?i~N(0, ??2 ) i=1,2, …,n 多元线性回归模型研究的内容 多元线性回归模型的一般形式 多元线性回归模型满足的基本假设 多元线性回归模型的参数估计方法 最小二乘估计量的性质 多元线性回归模型的检验 应用Eviews软件如何解决多元线性回归模型的参数估计 样本点到拟合直线的距离 最小二乘法的原理 原理：所有样本观测点到拟合直线纵向距离（误差的）平方和最小。 的最小值 由于 是 二次函数并且非负，所以其极小值总是存在的 多元线性回归模型的参数估计方法 普通最小二乘参数估计的原理：求每个样本点到所估计直线的纵向距离的平方和最小，纵向距离是Y的实际值与拟合值之差。 最小二乘法参数估计推导过程 最小二乘法参数估计推导过程2 随机误差项的均值为0，方差的估计量为 多元线性回归模型研究的内容 多元线性回归模型的一般形式 多元线性回归模型满足的基本假设 多元线性回归模型的参数估计方法 最小二乘估计量的性质 多元线性回归模型的检验 应用Eviews软件如何解决多元线性回归模型的参数估计 参数估计量的性质 在满足基本假设的情况下，其结构参数?的普通最小二乘估计、最大或然估计及矩估计仍具有： 线性性、无偏性、有效性。 无偏性：直观意义就是说样本估计量的数值在真值周围摆动，即无系统误差。 证明: 样本容量问题 所谓“最小样本容量”，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 多元线性回归模型研究的内容 多元线性回归模型的一般形式 多元线性回归模型满足的基本假设 多元线性回归模型的参数估计方法 最小二乘估计量的性质 多元线性回归模型的检验 应用Eviews软件如何解决多元线性回归模型的参数估计 初步建立的经验模型都可能是有问题的，要保证计量分析的正确性，参数估计量通过所有经济意义的检验，方可进行下一步检验。 多元线性回归模型的统计检验 T检验 t 检验 检验每个解释变量对被解释变量的影响是否显著，以决定该变量是否保留在模型中。 如果某个变量对被解释变量的影响并不显著，应该将它剔除，以建立更为简单的模型。 几点说明 有几个解释变量，就需要进行几次t检验。（包括常数项） 通常，可以通过检验在5%的显著水平下t检验的绝对值是否大于2，来迅速检验变量的不相关性。 通常认为伴随概率值低于0.1，就可以拒绝原假设 说明 没有绝对的显著性水平。关键仍然是考察变量在经济关系上是否对解释变量有影响，显著性检验起到验证的作用；同时还要看显著性水平不太高的变量在模型中及模型应用中的作用，不要简单地剔除变量。 要判断样本参数的估计值在多大程度上可以“近似”地替代总体参数的真值，往往需要通过构造一个以样本参数的估计值为中心的“区间”，来考察它以多大的可能性（概率）包含着真实的参数