多元的线性回归.docVIP

实用标准文案 精彩文档 多元线性回归模型 一、多元线性回归模型的一般形式 设随机变量y与一般变量的线性回归模型为： 写成矩阵形式为： 其中： 二、多元线性回归模型的基本假定 1、解释变量是确定性变量，不是随机变量，且要求。这里的表明设计矩阵X中自变量列之间不相关，样本容量的个数应大于解释变量的个数，X是一满秩矩阵。 2、随机误差项具有0均值和等方差，即： ，即假设观测值没有系统误差，随机误差的平均值为0，随机误差的协方差为0表明随机误差项在不同的样本点之间是不相关的（在正态假定下即为独立），不存在序列相关，并且具有相同的精度。 3、正态分布的假定条件为：，矩阵表示：,由该假定和多元正态分布的性质可知，随机变量y服从n维正态分布，回归模型的期望向量为：； 因此有 三、多元线性回归方程的解释 对于一般情况含有个自变量的回归方程的解释，每个回归系数表示在回归方程中其他自变量保持不变的情况下，自变量每增加一个单位时因变量y的平均增加程度。因此通常把多元线性回归的回归系数称为偏回归系数。下面看个例子，考虑国内生产总值GDP和三次产业增加值的关系，这个问题中GDP=是确定性的函数关系，可以看作误差项为0的特殊回归关系。3个回归系数都是1，对解释为第二产业增加值每增加1亿元GDP也增加1亿元。假设做GDP对的一元线性回归，得到回归方程为，对这个方程回归系数的解释是第二产业增加值每增加1亿元GDP增加1.8554亿元。两个回归方程对同样的经济现象给出了不同的解释，问题出在什么地方呢？多元回归系数表示在回归方程中其他自变量保持不变的情况下，相应自变量每增加一个单位时因变量的平均增加速度。因此在用多元回归方程GDP=解释=1时，一定要强调是在和保持不变的情况下，每增加1亿元GDP也增加1亿元。在用一元回归方程解释回归系数时，要强调的是在方程之外的有关变量也相应变化时每增加1亿元GDP增加1.8554亿元。GDP增加的1.8554亿元中的直接贡献只用1亿元，回归方程外的和的贡献是0.8554亿元。这里又出现一个问题，为什么回归方程外的和贡献是0.8554亿元，而不是2亿元呢？可以通过考察数据，的增加幅度远大于和的增加幅度，假如增加1亿元，和相应的增加幅度都达不到1亿元。 四、参数估计 要想用OLSE估计多元线性回归模型的未知数，样本容量必须不少于模型中参数的个数。 在正态假定下，回归参数的MLE（最大似然估计）与OLSE（最小二乘估计）完全相同，即，误差项方差的MLE为，这是的有偏估计，但它满足一致性，在大样本的情况下，是的渐近无偏估计量。 参数估计量的性质： 性质1，是随机向量y的一个线性变换 性质2，是的无偏估计 性质3， 性质4，高斯-马尔科夫（G-M）定理 （1）是的无偏估计 （2）的方差要小 高斯-马尔科夫定理 在假定,时，的任一线性函数的最小方差线性无偏估计为，其中c是任一p+1维常数向量，是的最小二乘估计。 此定理说明了用OLSE估计得到的估计量是理想的估计量。关于这条性质，需要注意以下四点： 第一，取常数向量c的第j（）分量为1，其余分量为0，这时G-M定理表明最小二乘估计是的最小方差线性无偏估计。 第二，可能存在的非线性函数，作为的无偏估计，比最小二乘估计的方差更小。 第三，可能存在的有偏估计量，在某种意义（例如均方差最小）下比最小二乘估计更好。 第四，在正态假定下，是的最小方差无偏估计。 性质5，，在正态假定下与e不相关等价与与e独立，从而与SEE=独立。 性质6，当时，则 五、自变量的显著性 如何剔除多余的不显著的自变量？y对自变量线性回归的残差平方和为SSE，回归平方和为SSR，在剔除掉后，用y对其余的p-1个自变量作回归，所得的残差平方和记为，回归平方和为，则自变量对回归的贡献为：，称为的偏回归平方和。由此可以构造偏F统计量：，当原假设成立时，偏F统计量服从自由度为（1，n-p-1）的F分布，此F检验与回归系数的t检验是一致的，当从回归方程中剔除变量时，回归平方和减少，残差平方和增加。反之，当往回归方程中引入变量时，回归平方和增加，残差平方和减少，两者的增减量同样相等。 六、关于拟合优度 ,与回归方程中自变量的数目以及样本容量n有关，当样本容量n与自变量个数接近时，易接近1，其中隐含着一些虚假成分。由决定模型优劣时还需慎重。 七、中心化和标准化 因为多元回归涉及的数据量很大，就可能由于舍入误差而使计算结果不理想。产生舍入误差有两个主要原因，一是回归分析计算中数据量级有很大差异，比如数据10000与0.1111这样的大小相差悬殊的数据出现在同一个计算中；二是设计矩阵 的列向量近似线性相关时，为病态矩阵，其逆矩阵就会产生较大的误差。 1、中心化 多元线性回归模型的一般形式为: