第二讲 多元线性回归模型设定及估计.pptVIP

第二章 多元线性回归模型设定 2.2 古典线性回归模型的假定 第三章 多元线性回归模型估计 3.3 总体方差 3.4 极大似然估计(ML) 2. ML * * 2.1 设定 数学形式（一般形式）： 也成为k变量模型 变量 （1）Y 名称：因变量、被解释变量、 预测子、回归子、响应变量 个数：一个 （2）x2…xk 名称：自变量、解释变量、 刺激变量、控制变量 个数：k-1个 （x1=1） 2. 参数 （2）截距项： 斜率 ： （3） （4） 有量纲＝y的单位/x的单位 总体参数，客观存在但永远未知 （1） 3. 方程式 （1）线性：一般理解是y对x线性，即 与x2,…,xk无关 （2）在计量里还要求Y对 线性，即 与 无关。 样本回归模型 样本：n Y X2 … … Xk Y1 x12 … … x1k … … … … … Yn xn2 … … xnk 1. 观测值形式： 2. 矩阵形式 3. 列向量组： 4. 行向量组： 总体回归超平面 1.定义：假定 代数： 几何： 一元： 二元： 多元：无法画出图，成为超平面。 回归直线 平面 2.估计 ： 估计了Y的条件期望，常称为估计均值。 数学期望定义： 一、线性性：Y对 线性 二、自变量的外生性： 1. 扰动项的无条件期望为零 2. 回归量与扰动项无关 三、X满列秩 ～ 四、随机扰动项同方差、无自相关 3.1 系数 的OLS估计 一 样本回归模型及超平面 2. 残差 3. 样本回归模型 1. 样本回归直线 调用 E:\ 博士计量课程软件应用\neiyun 数据库讲解 二 OLS原理 Y X …. …. .. …. .. ….. .. …. …. ei Yi Xi 绝对值函数在有些点只能保证连续， 但不可导，所以此式子解析性质不好。 最小二乘法或最小平方法 （原理最早来源于中国人发明的勾股定理） 3.2 系数 的OLSE统计特性 估计量的评价标准 （1）无偏性 定义： 含义：取定样本，计算出某个 不一定等于 ，但在它附近摆动， 就是它们的均值。 0 有偏 最小方差性： 有效性： 即，在所有线性、无偏估计量中方差最小的为有效估计量。 （2）有效性 （3）最小均方误： 定义： 评判标准：min MSE 上式容易写为： 局限性：表达式中 根本不知。 总结：理论上估计量无偏、最小方差的最好。实际上只要满足一致性（渐近 有效）就可以了。即 二 系数 的OLS估计量b的统计特性 1. 线性性: b是Y的线性组合（条件：X必须是固定变量） 2. 无偏性: 3. 有效性: 上式表示b在 的所有线性、无偏估计量 中方差最小，是有效估计量。 BLUE性质 4. 正态性: ～ 三 Gauss-Markov定理 回归模型 则 的所有线性、无偏估计量中b的方差最小。此定理成为G-M定理。 如果没有截距项，e的均值为零。 (正规方程组) 一 的 OLS 估计量 1. e=Y-Xb 2. 样本方差 3. 自由度 e1,…,en 满足 残差受到k个方程的约束，所以自由度为n-k。 二 s2 无偏 三 s2 分布 s 2是? ? 的无偏估计量 四 标准差的估计量 ～ F值 R2 F检验 调整的 R2 二 原理 1