第三章 多元线性回归模型(一).pdf

第三章 多元线性回归模型**  多元线性回归模型是我们课程的重点，原因 在于： 多元线性回归模型应用非常普遍； 原理和方法是理解更复杂计量经济学模型的基 础； 内容较为丰富。  从而，我们应不遗余力地学，甚至是不遗余 力地背！！！ 本章主要内容         1、多元线性回归模型的形式  由于在实际经济问题中，一个变量往往受到多个原因 变量的影响；  “从一般到简单”的建模思路。  所以，在线性回归模型中的解释变量有多个，至少开 始是这样。这样的模型被称为多元线性回归模型。  多元线性回归模型参数估计的原理与一元线性回归模 型相同，只是计算更为复杂。 以多元线性回归模型的一般形式——K元线性回归模 型入手进行讲解，其模型结构如下： Y= x  + x  +…+ x  +  (1) 1 1 2 2 k k 其中，Y是被解释变量（因变量、相依变量、内 生变量），x是解释变量（自变量、独立变量、外生 变量），是随机误差项，, i = 1, … , k 是回归参 i 数。 线性回归模型的意义在于把Y分成两部分：确定 性部分和非确定性部分。 在研究中，我们根本无法了解式（1）所示的总体 模型的特征，而只能通过样本特征来近似考察。 设经过n次试验，得到n个样本，如下所示： y 1 x 11 x 12 … x1 k y 2 x21 x22 … x2 k …… y n x n1 x n2 … x nk 从而得到表达式如下： Y = x  + x  +…+ x  +  (2) i i1 1 i2 2 ik k i 其中，式（1）称为总体线性模型；式（2 ）称为 样本线性模型。 在计量经济学分析中，通常会借助矩阵工具，在此亦将 多元线性模型表示成矩阵形式，以便于下一步的数学运算。 y   x11  x1  x1    y1   x  x j  x k  1  1  21 2 2  2   j k   2  2  （3 ）                   y  x  x  x    n1 n n n(n1)  j k   k   n(n1) (n) (k 1) k 写成一般形式为： Y = X  + 