- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第章多元线性回归模型.doc
计量经济学? 课程教案
授课题目(教学章、节或主题):
第3章 多元线性回?归模型 授课时间
安 排 第6、7周共4课?时 教学器材与?工具 多媒体 授 课 类 型
(请打√) 理论课√讨论课□ 实验课□ 习题课□ 双语课程□ 其他□ 教学目的、要求(分掌握、熟悉、了解三个层?次):
1、熟悉多元线?性回归模型?的基本假定?;
2、掌握多元线?性回归参数?估计方法;
3、熟悉多元线?性回归模型?拟合优度的?度量;
4、掌握回归系?数的估计和?假设检验。
教学重点及?难点:
回归系数的?估计和假设?检验 教 学 基 本 内 容 §3.1 多元线性回?归模型
§3.2 多元线性回?归模型的参?数估计
§3.3 多元线性回?归模型的统?计检验
§3.4 多元线性回?归模型的预?测
§3.5 回归模型的?其他形式
教学过程设?计: 一、引入
二、讲授
三、小结 教学方法及?手段(请打√):讲授√、讨论□、多媒体讲解?√、模型、实物讲解□、挂图讲解□、音像讲解□等。 作业、讨论题、思考题:
多元线性回?归分析中,为什么要对?可决系数加?以修正? 参考资料(含参考书、文献等):《计量经济学?》,(美)D.Gujar?ati著,林少宫译;《计量经济学?》,李子奈编著?;《经济计量学?精要》,(美)D.Gujar?ati著,张寿等译。 课后小结:本章我们讨?论多元回归?模型,介绍了一些?新的概念,比如偏回归?系数,校正的和非?校正的多元?判定系数,多重共线性?等。就多元回归?参数估计而?言,我们仍然是?在普通最小?二乘估计的?框架下进行?参数估计的?。我们可以用?两种不同的?检验方法—显著性检验?法和置信区?间法进行假?设检验。 第3章 多元线性回?归模型
在这一章中?,我们讨论具?有两个或多?个自变量(除常数项以?外)的回归模型?,即多元回归?模型。我们要描述?古典多元回?归模型的基?本假设,并说明如何?获得参数的?最小二乘估?计。然后我们讨?论回归系数?的含义。我们将看到?,回归方程中?解释变量之?间的相互作?用会产生一?些问题。
在这一章中?我们尤其着?重讨论各种?有助于解释?模型的回归?统计量,包括标准化?系数、弹性和偏相?关系数。
3.1 模型
假设因变量?Y是多个自?变量X1,X2,…,XK和误差?项的线性函?数,就可以将一?元线性回归?模型加以推?广。因为多元线?性回归模型?是一元线性?回归模型的?自然推广,所以我们不?需要详细推?导所有以前?的结论。
我们将多元?线性回归模?型写为:
其中Y是因?变量,X1,X2,…,XK是自变?量,是误差项。举例来说,X2i代表?解释变量X?2的第i个?
多元回归模?型的假设与?一元模型非?常相似:
1. Y与X之间?的关系是线?性的,并且如式(4-1)所示。
2. X不是随机?变量,并且在两个?或多个自变?量之间没有?精确的线性?关系。
3. 所有观测值?的误差项的?期望值都为?0。
4. 所有观测值?的误差项具?有相同的方?差。
5. 不同观测值?的误差项之?间相互独立?,因而不相关?。
6. 误差项服从?正态分布。
为简化起见?,我们用一个?特殊的多元?回归模型,即二元模型?来说明问题?
最小二乘法?就是寻找能?够使残差平?方和达到最?小的参数估?计。残差平方和?定义如下:
我们可以找?到使ESS?达到最小的?βi、β2和β3?的值。假设观测值?的个数多于?三个且各方?程是相互独?立的,βi、β2和β3?的解为:
其中:
3.2 回归统计量?
为了检验每?一个回归系?数的统计显?著性,我们自然会?问高斯-马尔可夫定?理是否适用?于多元回归?模型,我们是否可?以获得方差?σ2的无偏?估计以及回?归参数估计?的分布等信?息。这里我们概?括地给出一?些重要结论?:
1. 在多元回归?模型假设1?-5成立的条?件下,高斯-马尔可夫定?理对多元回?归模型同样?适用,即各系数β?j,j= 1 , 2 ,.,k的普通最?小二乘估计?量是最佳线?性无偏估计?量(当误差项服?从正态分布?时,普通小二乘?估计量等价?于极大似然?估计量)。
2. 下式是σ2?的一个无偏?且一致的估?计:
3. 当误差项服?从正态分布?时,可用t检验?,因为对于所?有的j= 1 , 2 ,.,k
换句话说,经过标准化?(即减去均值?,除以标准差?)的回归参数?估计服从自?由度为N-k的t分布?。因为我们常?常会用二元?回归模型做?例子,我们在这里?给出三个公?式,前两个是各?系数方差的?估计,第三个是两?者的协方差?:
其中,是x2和x?3之间的简?单相关系数?。
3.3 F 检验、R2和调整?的R2
的方法。第二,R2对模型?中自变量的?个数敏感。在回归方程?中
文档评论(0)