第四章震 多元线性回归分析基础.pptVIP

第四章 多元线性回归分析 多元线性回归分析 计量经济学 第四章 重点问题 参数的最小二乘估计 最小二乘估计量的性质 参数估计式的分布特性与检验 多重共线性 主要内容 第一节 模型的假定 第二节 参数的最小二乘估计 第三节 最小二乘估计量的性质 第四节 参数估计式的分布特性与检验 第五节 多重共线性 第六节 预测 第一节 模型的假定 模型 第一节 模型的假定 第二节 参数的最小二乘估计 残差向量 第二节 参数的最小二乘估计 第三节 最小二乘估计量的性质 第三节 最小二乘估计量的性质 3.最优性 第三节 最小二乘估计量的性质 第三节 最小二乘估计量的性质 第三节 最小二乘估计量的性质 第三节 最小二乘估计量的性质 二、误差项方差估计 第三节 最小二乘估计量的性质 M的性质： （1）对称性 MT=M （2）等幂性 Mn=M （3）M与X互相独立 MX=0 第四节 参数估计式的分布特性与检验 一、参数估计式的分布特性 第四节 参数估计式的分布特性与检验 第四节 参数估计式的分布特性与检验 第四节 参数估计式的分布特性与检验 第四节 参数估计式的分布特性与检验 第四节 参数估计式的分布特性与检验 二、参数β的线性约束检验与置信区间 第四节 参数估计式的分布特性与检验 第四节 参数估计式的分布特性与检验 2.β的检验 （1）参数的整体检验问题 H0∶β2=β3=…=βk=0 H1∶存在某个βi≠0, 2≤i≤k 第四节 参数估计式的分布特性与检验 （2）单个参数的检验问题 H0∶βi=0 H1∶βi≠0 第四节 参数估计式的分布特性与检验 三、相关分析 第四节 参数估计式的分布特性与检验 第四节 参数估计式的分布特性与检验 四、单因素方差分析 1.单因素方差分析的模型 第四节 参数估计式的分布特性与检验 2.单因素方差分析的检验 第四节 参数估计式的分布特性与检验 定义统计量 第四节 参数估计式的分布特性与检验 五、方差分析、相关分析和回归分析的关系 第四节 参数估计式的分布特性与检验 六、用逐步引入法选择解释变量 第五节 多重共线性 第五节 多重共线性 第五节 多重共线性 二、多重共线性的检验 第五节 多重共线性 三、处理多重共线性问题的方法 第六节 预测 一、E(Y0)的置信区间 第六节 预测 第六节 预测 二、Y0的预测区间 第六节 预测 多重共线性指解释变量之间存在比较强的线性相关关系。 一、多重共线性造成的影响 1.如果解释变量之间存在完全多重共线性，无法得到参数估计式 。 2.严重多重共线性，即︱X′X︱≈0时，具有下列影响 (1)大大降低预测精确度 由于|X’X|?0，引起(X’X) -1主对角线元素较大，使参数估计值的方差增大，OLS参数估计量非有效。 (2)发生弃真错误 由于 的方差很大，在进行显著性检验时t统计量明显偏小，即使决定系数R2及F统计量很大，也容易淘汰一些不应淘汰的解释变量。 (3)造成错误的模型关系 由于严重多重共线性是指解释变量之间有强线性相关关系。因此，不同解释变量对被解释变量的影响会发生互相代替的情况。如果采用逐步引入法选择解释变量，已经引入并且经检验证明显著的解释变量的数值就会变小，t数值下降，变为不显著的，甚至出现参数符号改变的情况。原来模型中与被解释变量正(负)相关的解释变量，由于新解释变量引入，变为负(正)相关，从而造成错误的模型关系。 (4)建立的回归模型的可靠程度降低 参数估计值及其方差对样本很敏感，由于增加或减少一些样本，参数估计值及其方差发生很大变化，因而建立的回归模型的可靠程度降低。 1.相关系数检验法 对样本中任何两个不同解释变量求简单相关系数，如果相关系数r的绝对值比较大，例如|r|＞0.8，或|r|＞0.9，就可以认为这两个样本之间高度相关，因而样本存在多重共线性。 2.逐步分析检验法 这种检验方法首先对各种可能的多元线性回归模型分别进行参数估计和检验。先引入经济意义明显，并且统计上最显著的解释变量，然后逐步引入其他解释变量。如果新引入解释变量使原有解释变量的数值发生明显变化，甚至改变其符号，或者使原有解释变量的t统计量明显变小，就表示新引入的解释变量与原有解释变量之间存在多重共线性。 1.保留重要解释变量 2.去掉不重要的解释变量 3.一阶差分法 4.主分量法 * 其中 In为n阶单位阵 残差平方和 * 式*为正规方程组，包含k个方程式 由假设条件可以证明XTX是正定的，即XTX0 则最小二乘估