计量经济学第三节.pptVIP

第三章 多元线性回归模型 多元线性回归模型及其古典假设 参数估计 最小二乘估计量的统计特性 统计显著性检验 解释变量的选择 中心化和标准化回归方程 利用多元线性回归方程进行预测 第一节 多元线性回归模型 及其古典假设 一、多元线性回归模型的一般形式 二、多元线性回归模型的基本假定 一、多元线性回归模型的一般形式 如: 考虑劳动力预期受教育年数问题。 edu为劳动力受教育年数，sibs为该劳动力家庭中兄弟姐妹的个数，medu与fedu分别为母亲与父亲受到教育的年数。 第二节 参 数 估 计 第四节 统计显著性检验 一、拟合优度检验 二、F 检验 三、t 检验 四、相关系数分析 一、拟合优度检验 1、决定系数与调整的决定系数 二、回归方程显著性检验(F检验) 方程的F检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 2、关于拟合优度检验与方程显著性检验关系的讨论 由 又由： 三、回归系数的显著性检验(t 检验) 方程的总体线性关系显著?每个解释变量对被解释变量的影响都是显著的 第六节 中心化和标准化回归方程 第七节 利用多元线性回归方程进行预测 一、点预测 二、区间预测 案例：多元线性回归模型的应用 第三章复习内容 在满足基本假设的情况下，其结构参数B仍具有BLUE特性(Gauss-Markov定理)： 线性、无偏性、最优性等统计特性。 此时，估计量bj的标准差可以表示为： 一、中心化回归方程 多元线性回归模型的一般形式为： 其经验（样本）回归方程为： 由于该回归方程经过样本中心点 ， 若将坐标原点移至样本中心，只须作坐标变换 即可得到中心化的经验回归方程： 显然中心化的经验回归方程没有常数项，而其他最小二乘回归系数与原方程相同。 由此可见，中心化的经验回归方程只需要对k个参数进行估计，而一般的回归方程需要对k+1个参数进行估计，少了一个参数对手工计算会减少计算量。 所以，常在手工计算时使用。 得到中心化的经验回归方程后，要想得到一般的回归方程，也很简单，因为 相同，所以只需要由： 求出 ，即可将其还原为： 二、标准化回归方程 为了消除自变量量纲的不同，常需要先对样本原始数据进行标准化处理。 样本原始数据的标准化处理公式为： 、 分别为 的样本标准差。 可以看出，标准化处理包括了中心化处理。 对标准化的样本数据，用最小平方法可以得到下列经验回归方程： 可以证明，标准化回归系数与普通最小二乘回归系数之间的关系为： 注意： 普通最小二乘回归系数 表示在其他变量不变的情况下，自变量 每变化一个绝对单位引起的因变量的平均变化量； 标准化回归系数 表示在其他变量不变的情况下，自变量 每变化1%（相对于其标准差）引起的因变量的平均变化的百分数（相对于其标准差）。 对于模型 给定样本以外的解释变量的观测值X0=(1, x10, x20, … , xk0)，可以得被解释变量的预测值： 一、点预测 但严格地说，这只是被解释变量的预测值的估计值，而不是预测值。 为了进行科学预测，还需求出预测值的置信区间，包括E(y0)和y0的置信区间。 它是个别值y0的预测，总体均值E(y0)的预测值： 二、区间预测 1、个别值 y0 的区间预测 如果已经知道实际的观测值 y0，那么预测误差为： 容易证明： e0服从正态分布，即： 构造 t 统计量 ： 取随机项的样本估计值 ，可得e0的方差的估计量。 其中： 可得给定(1-?)的置信水平下y0的置信区间： 2、平均值E(y0)的区间预测 容易证明 于是，得到(1-?)的置信水平下E(y0)的置信区间： 取随机项的样本估计值 ，构造如下的t 统计量： 我们以中国民航客运量预测为例进行多元线性回归分析 。 根据预测目标选择中国民航客运量,作为因变量。 确定国内生产总值（x1）、实际利用外资额（x2）、民航线里程（x3）、来华旅游入境人数（x4）为自变量。 搜集样本资料如表所示。 基本步骤如下： 第一步　确定因变量。 第二步　确定自变量。 第三步 建立模型，进行参数估计。 第四步 进行有关统计显著性检验 第五步 进行预测 根据计算机输出结果完成