《part2[1]4多元回归》-课件设计（公开）.pptVIP

这样定义的R2称 校正R2 （ Adjusted R2 ），记为 。“校正”一词，指对R2式中平方和所涉及的自由度的校正（自由度与解释变量的个数密切相关）。 校正R2考虑到了模型中 X 的个数（k-1） 165页 （8-54） 对于k1, 。 随着解释变量个数的增加（即k增加），校正 R2会比R2增加得慢些（作为解释变量多的惩罚） 校正R2可能为负，而R2不会。 （实际应用中，若校正R2为负，则取0） Y相同，X个数不同的模型，校正R2 可比 校正R2 是 R2 的增函数 如何在两个R2之间做选择？ 一般的统计软件两者同时报告 “R2对回归拟合的描述，特别是当解释变 量个数k-1相对于观测次数n来说并不算少时， 明显地偏向乐观，因此，用校正R2而不用R2 是一种好的实践。” 一般来说， R2高，校正R2也高。 因此建议都看。 例：古董钟拍卖价格 3、何时增加新的解释变量 经验结论：当新加入一个解释变量斜率系数的 t 统计量绝对值大于1 ，校正R2才会增加，此时 可以增加该解释变量进原来的回归方程 原则：在保证 t值显著的条件下，多选X，使R2或校正R2尽量高。 §6 多元回归：若干实例 例8-1 税收政策会影响公司资本结构吗 例8-2 牙买加的进口需求 例8-3 英国的酒需求 例8-4 城市劳动力参与率、失业率以及平均小时工资 多元回归结果分析的主要内容 各系数的估计值是多少，符号是否与预期一致？ 每个回归系数是否显著（t检验） ？若显著，说明 什么？ 不显著，又说明什么？是否应把它去掉？ R2和校正R2 是多少？说明什么？所有解释变量是 否联合显著 / 模型的整体显著性如何？（F检验） 这个回归告诉我们怎样的定量结果？ 本章小结（重点） 1、多元回归的基本概念 偏回归系数的含义、净影响和总影响的区别 2、多元线性模型的估计 校正R2与R2的联系和区别 3、假设检验 区别 t 检验和 F检验 谢谢！ 第8章 多元回归模型 §1 多元回归的基本概念 1、多变量模型的基本形式 以三变量为例： 为截距系数， 为偏回归系数， 为干扰项。 Partial Regression Coefficients 2、多元回归模型的假定 154页 （与双变量模型六大假定的框架基本相同） 线性方程、无设定偏误 干扰项与每个解释变量都不相关 干扰项零均值、无自相关、异方差 解释变量间无完全的多重共线性（new） 155页 例 3、偏回归系数的含义：净影响 B2：保持X3不变，X2每变化一个单位，Y的均值变化多少。 B3：保持X2不变，X3每变化一个单位，Y的均值变化多少。 它们分别给出X2和X3变化对Y均值的直接偏影响或净影响（VS总影响）。 例子：产品生产（劳动力投入的贡献） Y：产出 X2：劳动力 X3：资本、原材料 直接：管理人员加班－产量提高 间接：流水线工人加班－原材料投入增加 －产量提高 保持X3不变， X2对Y的净影响 劳动投入对产出的总影响 X2－ X3 － Y（间接） X2－Y（直接） 当X2与X3有完全的线性关系时，无法把B2和 B3分开（无法保持其中一个解释变量不变） 当X2与X3完全独立时， X3不会通过X2作用于 Y，总影响与净影响相等，即A2 = B2 一般情况下， X2与X3不独立，但也不是完全 线性相关，此时总影响与净影响有区别， A2 ≠B2 一般规律： §2 多元线性回归模型的估计 1、OLS估计量 SRF： 做最小二乘回归，最小化残差平方和： 估计结果如下：156页 2、OLS估计量的统计性质 在CLRM假定成立的情况下，多元线性回归模型的OLS估计量是BLUE（最优线性无偏估计量）。 这与双变量模型的OLS估计量性质完全一样 3、拟合优度：多元判定系数 R2 158页 度量估计的样本回归线与数据拟合的好坏 双变量模型：r2 多变量模型：R2 R2 ：Y的变异由模型中所有解释变量联合 解释的比例。 4、预测Y的条件均值 对应选定的X20和X30 ，预测Y的条件 均值为： 例：古董钟拍卖价格（111页例6-5，数据在114页表6-14） Y：拍卖价格； X2：钟表年代；X3 ：竞标人数 散点图 年代↗，价格↗ 竞标人数↗，价格↗ EViews 回归结果 写成标准的报告结果格式 159页 回归结果的解释（注意“保持其它变量不变”） §4 多元回归的假设检验 把