第3章多元线性回归模型.pdf

第 3 章多元线性回归模型 在上章中，讨论了一元线性回归模型。现实经济现象是错综复杂 的，多种经济变量互相影响，每一个变量都要受到其他多种因素的影 响。以对家庭消费支出的影响为例，除了家庭收入影响因素之外，物 价水平、收入分配状况、利率、消费者偏好、家庭财产和消费信贷等 多种因素都会影响家庭消费支出。又如，对人均国民生产总值的影响 问题，除了人口变动因素之外，固定资产数额、货币供给量、物价指 数和国内国际市场供求关系等多种因素都会影响人均国民生产总值。 如果被解释变量的变化原因可以由一个主要解释变量加以说明，其他 解释变量的影响可以忽略，就可以用一元回归模型表示。如果其他解 释变量对被解释变量的影响不能忽略，就要用多元回归模型表示。因 此，有必要将一个解释变量的情形推广到多个解释变量，利用多元回 归方法进行分析。 学习目的： (1) 了解多元线性回归模型的产生背景、模型的古典假设； (2) 掌握模型参数的最小二乘估计以及模型的统计检验； (3) 能应用多元回归模型进行经济预测； (4) 能应用EViews软件解决多元线性回归分析的实际问题。 3.1 多元线性回归模型的估计 3.1.1 多元线性回归模型及其矩阵表示 在简单线性回归模型中，总体回归函数被设定为一元线性形式。 如果这种设定是恰当的，那么根据样本数据得到的回归直线是对样本 数据的较好拟合，一般情况下，决定系数应该较大(接近1)，随机误 差项也符合模型的基本假定。相反，如果在模型设定时忽略了影响因 变量的某些主要因素，则拟合效果会较差。此时，决定系数往往偏低， 并可能出现随机误差项违背模型基本假定的情况，如误差项序列自相 关等。因此，在进行模型设定时，应对所研究的经济问题进行深入分 析，依据经济理论和实践经验对模型进行简化抽象，确定模型中应该 包括哪些解释变量以及模型函数的具体形式。 例如，在需求分析中，商品价格是影响需求量的主要因素，如果 根据先验经验和样本特征，判断出其他因素的影响微不足道，则可设 定如下一元线性回归模型： Q a bP u t t t 但是，如果根据理论分析和先验经验，认为需求量除了受商品价 格的影响外，还受其他因素的影响，那么在模型设定时就应引入这些 因素。例如，如果消费者收入 I 也是影响需求量的重要因素，则回 归模型就可设定为如下形式： Q a bP cI u t t t t 又例如，在生产理论中，著名的Cobb-Douglas 生产函数描述了 产出量与投入要素之间的关系，其形式为:   Y AL K 其中 Y 表示产出量，L、K 分别表示劳动和资本投入。因变量Y 与 解释变量L、K之间的关系是非线性的，利用对数变换可将其转化为如 下形式： ln Y ln A ln L ln K 在进行回归分析时，可设定如下形式的回归模型： ln Y ln A ln L ln K u t t t t 在计量经济学中，将含有两个以上解释变量的回归模型叫做多元 回归模型，相应地，在此基础上进行的回归分析称为多元回归分析。 如果总体回归函数描述了一个因变量与多个解释变量之间的线性关 系，由此而设定的回归模型就称多元线性回归模型。前面所建立的回 归模型就是两个二元线性回归模型的例子。 一般地，如果因变量 y 与解释变量 x ,x ,…,x 之间服从如下关 1 2 k 系： y b b x b x ... b x u (3.1.1) 0 1 1 2 2 k k 则对因变量 y 及解释变量 x ,x ,…,x 作 n 次观测后，所得 n 1 2 k 组观测样本(y ,x ,x ,…,x ),(t=1,2,…,n)满足如下关系：