计量经济学(09)（第二章 多元线性回归）.ppt

思考题与练习题 (P59~) * * 计量经济学 王琴英 第二章 多元线性回归分析 2.1 多元线性回归模型及其基本假定 一、 元线性回归模型 取样本观测值 ， 二、K元线性回归方程 设 记号 其中 被解释变量（或因变量） 解释变量（或自变量） 随机误差项 三、基本假定 假定1、 服从正态分布， 2、 ， 3、 （常数）， 4、 相互独立，当 5、自变量与随机误差项之间不相关。 6、K个自变量之间不相关（或不存在严格的线性关系）。 2.2 参数的最小二乘估计 取到最小值 由微积分 方法得出: 即 正规方程组 , , 记号 2.3 参数估计量的统计性质 最小二乘估计量满足线性、无偏性、最佳性。 2.4 随机项的方差的估计 平方和分解公式: 其中 残差量的关系 2.5 单个回归参数的置信区间 与显著性检验 记号 一、置信区间 的置信度为 的置信区间为： 二、单个回归参数的 t 检验 (1) (2) (3) 在 成立的条件下， (4) 的拒绝域为： (5) 推断：若 ，则拒绝 ， 即 显著地不为零； 反之，则接受 。 作检验统计量： 2.6 拟合优度与修正的拟合优度 一、拟合优度 含义 反映了因变量的总离差（或变差）平方和中，由所 有自变量所 解释（即决定）的那部分所占的百分比； 二、修正的拟合优度 定义 并且，当自变量的个数 增加时， 是非递减的。 拟合优度与修正的拟合优度的关系 通过自由度校正拟合优度 （1） （2） 仅仅因为自变量 个数的增加而增大， 从而克服了 的递增性。在拟 合优度的判定上，修正的拟合优度比拟合优度更可靠。 2.7 回归参数的整体显著性检验 (1) 不全为零 总和 残差 回归 F比值 均方差 自由度 平方和 方差来源 方差分析表 (2) 作 在 成立的条件下， (4) 的拒绝域为： (5) 推断：若 ，则拒绝 认为回归参数整体显著； 若 ，则接受 ， ， 认为回归参数整体上不显著。 检验统计量 (3) 2.8 应用与实例 预测 对于给定的回归方程 已知： ， ，则 的预测值为 投入产出问题 （烤）鸡的平均重量（磅）； 平均累计饲料的投入（磅） 平均累计饲料的投入的平方（磅） 例: 假设 其中: 8.0 2.9 8 15.0 4.45 15 7.0 2.6 7 14.0 4.4 14 6.0 2.55 6 13.0 4.35 13 5.0 1.95 5 12.0 4.1 12 4.0 1.3 4 11.0 3.6 11 3.0 1.2 3 10.0 3.5 10 2.0 1.1 2 9.0 3.45 9 1.0 0.58 1 时期 时期 计算值 Included observations: 15 Sample: 1 15 Method: Least Squares Dependent Variable: Y 0.0000 21.87293 0.013314 0.291214 X1 0.0018 3.901521 0.121052 0.472286 C Prob. t-Statistic Std.Error Coefficient Variable 一元线性回归结果 由Eviews3.1，得到 0.000000 Prob(F-statistic) 1.133217 Durbin-Watson stat 478.4253 F-statistic 2.312445 Log likelihood 0.052747 Schwarz criterion 0.645227 Sum squared resid -0.041659 Akaike info criterion 0.222784 S.E. of regression 1.319925 S.D. dependent var 0.971511 Adjusted R-squared 2.802000 Mean dependent var 0.973546 R-squared 二元线性回归结果 Included observations: 15 Sample: 1 15 Method: Least Squares Dependent