第四讲 多元线性回归模型.docVIP

PAGE 1 第四讲 多元线性回归模型 目的和要求： 通过本章学习，要求学生理解多元线性回归模型的矩阵表示，掌握多元线性回归模型的参数估计，理解模型检验的方法，学会应用多元线性回归模型进行经济预测。 教学重点： 普通最小二乘估计法； 多元线性回归模型的检验。 教学难点： 多元线性回归模型的参数估计和检验 ※ ※ 知识体系 1、回归模型——总体线性回归模型与样本线性回归模型；回归模型的矩阵表示；模型的基本假定 2、参数估计——OLS估计法；OLS估计量的性质；OLS估计量的区间估计 3、统计检验——方程总体显著性检验（F检验）；变量显著性检验（t检验） 4、模型应用——总体均值的点预测与区间预测；个别值的点预测与区间预测 为什么学习计量经济学？ ※ ※ 案例：中国汽车的保有量会达到1.4亿辆吗？ 中国经济的快速发展，使居民收入不断增加，数以百万计的中国人开始实现拥有汽车的梦想，中国也成为世界上成长最快的汽车市场。中国交通部副部长在中国交通可持续发展论坛上做出预测：“2020年，中国的民用汽车保有量将比2003年的数字增长６倍，达到1.4亿辆左右”。是什么因素导致中国汽车数量的增长？影响中国汽车行业发展的因素并不是单一的，经济增长、消费趋势、市场行情、业界心态、能源价格、道路发展、内外环境，都会使中国汽车行业面临机遇和挑战。怎样分析多种因素的影响？ 分析中国汽车行业未来的趋势，应具体分析这样一些问题： 中国汽车市场发展的状况如何？（用销售量观测） 影响中国汽车销量的主要因素是什么？（如收入、价格、费用、道路状况、能源、政策环境等） 各种因素对汽车销量影响的性质怎样？（正、负） 各种因素影响汽车销量的具体数量关系是什么？ 所得到的数量结论是否可靠？ 中国汽车行业今后的发展前景怎样？应当如何制定汽车的产业政策？ 显然，只用一个解释变量已很难分析汽车产业的发展，还需要寻求多元回归分析方法。 多元线性回归模型 （一）总体回归模型和样本回归模型 项目 总体 样本 多元线性 回归模型 多元线性 回归函数 随机干扰项 偏回归系数 Note: 多元回归分析是以多个解释变量的固定值为条件的回归分析，反映了各解释变量X值固定时Y的平均响应。 偏回归系数表示在其它解释量保持不变的条件下，每变化1个单位时，的均值的变化。 多元线性回归模型中的“线性”是对各个回归系数而言的，对变量而言，可以是线性，也可是非线性的。如柯布-道格拉斯生产函数，取自然对数转化为 （二）多元线性回归模型的矩阵表示 多元线性回归模型的一般形式，可表示为： 用矩阵表示为： 总体回归函数?：——总体回归模型： 样本回归函数：——样本回归模型： 其中：都是有个元素的列向量， 是有个元素的列向量，是第一列为1的阶解释变量的观测值矩阵 （截距项可视为解释变量取值为1） 多元线性回归中的基本假定 基本假定 解释变量为确定性变量，且各解释变量之间不存在线性关系，即： 矩阵型式：矩阵是阶非随机矩阵和列满秩矩阵，即： ，也就是说，阶方阵是可逆的非奇异矩阵。 Note：列满秩矩阵指一个矩阵的列数小于行数，且秩等于列数；行满秩矩阵指一个矩阵的行数小于列数，且秩等于行数。 ⑵ 随机干扰项具有零均值、同方差和不序列相关性，即 零均值——； 同方差—— 无序列相关—— 矩阵形式： ⑶ 随机干扰项与解释变量不相关，即 矩阵形式： ⑷ 随机干扰项服从零均值，同方差，零协方差的正态分布，即： （中心极限定理） 矩阵形式： ⑸ 样本容量趋于无穷时，各解释变量的样本方差趋于有限常数，即取值要有变异性，不能单调上升或下降 ⑹ 模型没有设定偏误（specification error） ⑺ 样本容量大于待估参数的个数，即 2、的分布性质（） 零均值假定：—— 同方差假定：—— 无序列相关假定：—— 正态分布假定：—— 二、参数估计 （一）普通最小二乘法（OLS） 1、基本思想 随机抽取n组样本观测值，若要使样本回归线尽可能好地拟合这些散点的分布规律，则必须满足所有样本观测点（）到样本回归线的距离之和最小，即： 参数的最小二乘估计 微分求最值原理 要使，则必使对的一阶偏导数等于0，即可得正规方程组： Note: 转化成矩阵形式 ∵ 样本回归函数为 ∴ 两边同乘，可得： ∵ ∴ ∵ 阶方阵是可逆的非奇异矩阵 ∴ Note: 行向量乘以列向量得到一个标量（数）；列向量乘以行向量得到一个矩阵； 求逆矩阵可使用初等变换的方法；为对称的方阵。 样本回归函数的离差形式 样本回归函数的离差形式 其矩阵形式为： 参数的OLS估计 由微分求最值原理可知，要使，则