第8章 多元线性回归模型（1）.pptVIP

引言 第八章多元回归：估计与假设检验 §8.1 多元线性回归模型 假定变量Yi与k-1个变量Xji, j=2,… ,k，存在线性关系。多元线性回归模型表示为： 样本： 二、多元线性回归模型的基本假定 为保证用OLS法得到最优估计量，多元回归模型应满足如下假定条件 §8.2 多元线性回归模型的估计 一、普通最小二乘估计 最小二乘 (OLS) 法的原理是通过求残差（误差项的估计值）平方和最小确定回归参数估计值。 解的矩阵表达式 家庭收入-消费支出模型是多元模型的特例 样本回归函数的离差形式 引例：离差形式 随机误差项u的方差?2的无偏估计 二、参数估计量的性质 　在满足基本假设的情况下，其结构参数B的普通最小二乘估计仍具有： 线性性、无偏性、有效性。 三、多元线性回归模型的参数估计实例 实例，上章已建立了中国居民人均消费一元线性模型。 这里我们再考虑建立多元线性模型。 （一）手工计算 （二）用“EXCEL”实现多元回归步骤 多元回归结果： （三）用“Eveiws多元回归”步骤 多元回归结果： 另例：未偿付抵押贷款债务 这里非农业抵押贷款债务 (Y，亿美元)为被解释变量，个人收入 (X2，亿美元)、新住宅抵押贷款费用(X3，%)为解释变量 手工计算 多元回归EXCEL结果： 多元回归Eviews结果： 对回归结果的解释 四、样本容量问题 所谓“最小样本容量”，即从最小二乘原理原理出发，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。 2、满足基本要求的样本容量 §8.3 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间 一、拟合优度检验 1、可决系数与调整的可决系数 (2)判定系数 (3)调整的可决系数（adjusted coefficient of determination） 多元回归EXCEL判定系数： 多元回归Eviews判定系数： 小结：多元线性回归模型的估计与检验 （二）多元线性回归模型的统计检验 多元回归EXCEL判定系数： 多元回归Eviews判定系数： X2的偏回归系数0.8258表示了在其他变量(即抵押费用)保持不变的情况下，收入每增加一美元，抵押债务平均地增加83美分，与预期相同；这两个变量之间正相关。 X3的偏回归系数-56.4393表示了在其他变量(即收入)保持不变的情况下，抵押费用每上升一个百分点，则平均抵押债务将下降56亿美元，与预期相同；这两个变量之间负相关。 截距155.6812表示如果收入和抵押贷款费用都为零时，平均的抵押贷款债务量约为156亿美元。但在本题中，截距没有什么经济意义。 ⒈ 最小样本容量 样本最小容量必须不少于模型中解释变量的数目（包括常数项）,即 n ? k 因为，无多重共线性要求：秩(X)=k 从统计检验的角度： n?30 时，Z检验才能应用； n-k?8时, t分布较为稳定 一般经验认为: 当n?30或者至少n?3k时，才能说满足模型估计的基本要求。 模型的良好性质只有在大样本下才能得到理论上的证明 在一元回归模型中，使用可决系数R2来衡量样本回归线对样本观测值的拟合程度。多元回归模型中，也可用该统计量来衡量回归线对样本观测值的拟合程度 (1)总平方和(TSS)、回归平方和(ESS)与残差平方和(RSS) 已知有： 记 回归平方和ESS占总平方和TSS的比重越大，回归直线拟合越好！ 因此定义判定系数如下： 该统计量越接近于1，模型的拟合优度越高。 问题： 在应用过程中发现，如果在模型中增加一个解释变量， R2往往增大 这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。 但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整。 回归平方和占总体变差平方和的比值是评价一个估计模型优劣的方法之一。多重判定系数定义如下： ?对于给定的样本值Yi，TSS是不变的。随着模型中解释变量个数的增加，RSS趋向于变小，即确定系数R2变大。为考虑模型中解释变量个数的变化对R 2的影响，定义调整的多重可决系数的调整的思路是: 将