计量经济学理念第3章.pptVIP

第三章 多元线性回归模型 估计问题 相关分析 推断问题 多元线性回归模型的延伸 一、估计问题 多元线性回归模型 多元线性回归模型的假设 偏回归系数的OLS估计 偏回归系数的含义 1. 多元线性回归模型 设因变量y是k-1个解释变量x2，x3， … xk和误差项的线性函数： yi=??1+?2x2i+?3x3i+…+?kxki+?i i=1,2, …n 其中：?1为常数项，?2, ?3 ,… ?k为偏回归系数 这一模型实际上包含n个方程： y1=??1+?2x21+?3x31+?kxk1+?1 …… yn=??1+?2x2n+?3x3n+?kxkn+?n 多元回归模型的矩阵表示 2. 多元回归模型的假设 假设1： x2，x3， … xk是非随机的。 假设2：E(?i)=0 i=1,2, …n 假设3：Var(?i)=?2 (E(?i?i)= ?2 ) 假设4：无序列相关， E(?i?j)=0 假设5：x诸变量间无准确的线性关系，即：无多重共线性。数学表示为：不存在一组不全为零的数?2、?3、… ?k，使得： ?2x2i+ ?3x3i+ …+ ?kxki=0 假设6：?i ?N(0, ?2) 关于多重共线性的进一步说明 如果存在一组不全为零的数?2、?3、… ?k，使得： ?2x2i+ ?3x3i+ …+ ?kxki=0 不妨设?2?0，则上式可变为： x2i=-(?3x3i+ …+ ?kxki)/?2 称解释变量之间存在完全共线性，此时，某个解释变量可以写为其它解释变量的线性组合。 如果 ，会不会破坏无多重共线假定？ 经典假设的矩阵表示 假设2： 3. 偏回归系数的OLS估计 二元回归的样本回归函数为： OLS估计量的方差和标准误 OLS估计量的性质 在经典线性模型假定下，可证明，偏回归系数的OLS估计量满足高斯-马尔可夫定理。 OLS回归线的性质： 三变量回归线通过各观测值均值 残差和?i不相关，即： 4. 偏回归系数的含义 二元回归模型为：yi=?1+?2x2i+?3x3i+?i 例1 “期望扩充”菲利普斯曲线 菲利普斯曲线表明：通货膨胀率和失业率是反向变化的。期望扩充菲利普斯曲线增加了预期通货膨胀率的影响。 1970-1982年美国真实通货膨胀率y（%）、失业率x2（%）和与其通货膨胀率x3（%）数据如表，作菲利普斯曲线。 原始菲利普斯曲线：yt=b1+b12x2t+?1t 期望扩充菲利普斯曲线:yt=?1+?2x2t+?3x3t+?t 例1 “期望扩充”菲利普斯曲线 估计结果 原始菲利普斯曲线 例1 偏回归系数?2的含义 做三步回归 ： yt = b1 + b13x3t+ ?1t X2t = b2 + b23x3t + ?2t ?1t = a0 + a1 ?2t + ?3t b12? ?2？ 设定偏误初探 yt=b1+b12x2t+?1t 5. 复判定系数R2 以二元回归为例，复判定系数R2定义如下： 校正的复判定系数 R2的重要性质：模型中解释变量个数的非减函数，即随着解释变量个数的增加， R2几乎必然增大，不减小。易给人错觉：要使模型拟合得更好，只要在方程中加入新的变量即可。 校正的判定系数定义如下：对有k-1个解释变量的多元回归方程 二、相关分析 简单相关系数 偏相关系数 复相关系数 1. 简单相关系数 两个变量间的相关系数 总体相关系数： 由于总体参数未知，样本相关系数： 样本项关系数与回归系数的关系 一元线性回归方程： 例2 某地一年级12名女大学生的体重x与肺活量y数据如表，试计算肺活量与体重的相关系数，并检验两者间是否有直线相关关系。 求解过程：Analyze?Corelate?Bivariate 1. 简单相关系数 相关矩阵：多个变量两两之间的简单相关系数形成的矩阵。 例3 手表需求：手表价格、销售量和人均收入之间的相关矩阵。 2. 偏相关系数 偏相关定义：在多个变量y,x1,x2,…xk之间，如果只考虑两个变量之间的真实相关关系，而排除其他变量对它们的影响（或者说其他变量保持不变），这种相关成为偏相关。 在偏相关中，根据被固定的变量数目的多少，可分为零阶偏相关（即简单相关）、一阶偏相关、二阶偏相关、…（k-1）阶偏相关等。 偏相关系数：用来衡量偏相关程度的数量指标。 例： 为x3保持不变下y和x2的一阶偏相关系数 简单相关系数vs偏相关系数 r12·3与r12的关系 r12=0时， r12·3并不