ch8多元回归.pptVIP

* 第七章 多元回归:估计与假设检验 * 第八章 多元回归 一、三变量（二元）线性回归 二、古典假定 三、参数估计 四、性质、判定系数 五、单系数检验 六、联合检验 七、设定误差 八、校正的判定系数 九、受限最小二乘法 一、二元线性回归模型 总体回归函数： E(Y|X)=B1+B2X2+B3X3 总体回归模型： Yi=B1+B2X2i+B3X3i+ui B2、B3称为偏回归系数 B2表示当其他条件不变时，X2变动一个单位Y的均值的改变量 二、假定 (1)函数形式近似线性关系 (2) E(ui)=0 (3) Var(ui)=?2 (4) Cov(ui,uj)=0 (5)Cov(Xi,ui)=0 (6)ui- N（0，?2） (7)解释变量之间不存在线性相关 -非多重共线性 多重共线性：一般是指高度多重共线性，解释变量之间存在高度线性相关。 完全多重共线性的后果：不能估计参数。 X2i=a+bX3i E(Yi| X2i,X3i)=B1+B2X2i+B3X3i =B1+B2 (a+bX3i) +B3X3i =(B1+B2 a)+ (B2 b +B3)X3i =A1+A2 X3i B1+B2 a= A1 B2 b +B3= A2 三、参数估计 四、性质、判定系数 1. R2的公式 称为总离差平方和，记为TSS 称为回归平方和， 记为ESS 称为残差平方和， 记为RSS TSS=ESS＋RSS 总离差可以分解为两个部分：一部分归于回归直线，一部分归于随机因素 ESS= 注意：只有包含截距项时此式才有意义 2.R2的含义：回归模型对因变量波动的解释程度 多元判定系数与多元相关系数的关系 R2的平方根，称为多元相关系数，或复相关系数 R度量了Y与所有解释变量的相关程度 =-1336.049 + 12.7413X2t -85.7640X3t se=(175.2725) (0.9123) (8.8019) R2=0.8906 Y-拍卖价格 X2-钟表年代 X3-竞标人数 4.古董钟拍卖价格（表6-14） 五、单系数检验 ~t(n-k) 置信区间法 显著检验法 P值 六、联合检验 1.联合假设 这个零假设称为联合假设，即B2和B3同时为零，等同于X2和X3对Y无影响，等同于 X2和X 3对Y的解释程度越高，F值越大 2.F统计量 方差来源 平方和 自由度 MSS=SS/d.f. 来自回归 来自残差 总离差 ESS RSS TSS n-1 n-k k-1 ESS/(k-1) RSS/(n-k) 方差分析表 方差来源 平方和 自由度 MSS=SS/d.f. 来自回归 来自残差 总离差 4278295.3 525462.2 4803757.5 31 29 2 4278295.3 / 2 525462.2 / 29 方差分析表 F=118.0585 R2 等于 0 时，F 等于 0； R2 越大，F 值越大； R2 等于 1 时，F 无穷大 。 3. F 与R2的关系 七、设定误差 = -191.6662 + 10.4856 Age se(264.4393) (1.7937) R2= 0.5325 =807.9501+ 54.5724Bidders se(231.9501) (23.5724) R2=0.1549 八、校正的判定系数 可以证明，解释变量的个数越多，R2越大。 如果为了得到较高的R2，不断增加解释变量的个数，表面上模型的拟和程度较好，但可能导致模型设定误差。 为了克服随解释变量个数增加而增加的缺点，定义校正的判定系数 * *