计量经济学第三版课件于俊年 ISBN9787566310101 PPT4第四章 4.1 4.2三版.pptVIP

第三章3.1-3.2 * * 第四章 多元线性回归分析 §4.1 多元线性回归模型及其基本假定 假定因变量y与解释变量x1,x2，…,xk具有线性关系， 它们之间的线性关系，可用线性回归模型表示为 yi = βo + β1x1i + β2x2i + … +βkxki + ui （4.1.1） 下标i表示第i期观察值（yi，x1i，x2i,…xki）， i= 1，2…，n。 由于有n期样本观察值，这一模型实际上包含n个方程： y1=β0+β1x11+β２x21+ … +βkxk1 + u1 y2=β0 +β1x12+β２x22+ … +βkxk2 + u2 … … … … … … … (4.1.2) yn=β0+β1x1n+β2x2n+ … +βkxkn + un 把（4.1.2）改写成矩阵形式： （4.1.3） （3.1.3）简化为 Y = Xβ + U （4.1.4） 其中 假定１ 随机项U的每一个元素ui均为实随机变量， 且服从正态分布。 假定２ 随机项U的每一个元素的期望值均为零，即 假定３ 所有的ui的方差均相同，即有 i = 1,2,…,n （4.1.5） 假定４ 不同期的两个随机项ui和uj彼此不相关， 即有 （i≠j） （3.1.6） 假定３和假定４称作高斯—马尔柯夫（Gauss-Markov）假定。它可以统一表示为 （4.1.7） 即 （4.1.7）′ 假定５ j =１,２,…，k （4.1.8） 即说明解释变量x1，x2，…，xk与随机项ui不相关。为了数学处理方便，一般情况下我们都假定所有自变量均为非随机变量。 假定６ 所有自变量彼此线性无关，即 Rk（X）= k +１ 且 k +１ n (4.1.9) 也就是说矩阵X的秩等于参数的个数，或者说，解释变量x1,x2,…xk彼此不相关。 §4.2 参数的最小二乘估计 一、一般模型的参数最小二乘估计 设与总体回归模型（4.1.1）对应的样本回归模型为 （4.2.1） i =1,2,…，n 或简化为 其中 相应的样本回归方程为 （4.2.2） i =1,2,…，n 设残差平方和为Q，则 Q = 根据多元函数的极值原理， 应是下列方程组的解： … … … … … … … … … … … … 整理可得正规方程组： … … … … … … … … … … … … (4.2.3) 由（4.2.3）第一个方程，得 （4.2.4） 将正规方程写成矩阵形式： （4.2.3）′ 其中 于是正规方程的向量形式为 （4.2.5） 可得最小二乘法的参数估计式： （4.2.6） 这就是β的OLS估计量。 二、中心化模型的参数最小二乘估计 （4.2.7） （4.2.8） 我们已经知道，总体回归模型可以表为 相应的样本回归模型可以表示为 对于样本容量为n的y的均值可分别表示为 （ 4.2.9） （ 4.2.10） 方程（4.2.7）减方程（4.2.9）得 （4.2.11） i =1,2,…，n 方程（4.2.8）减方程（4.2.10） （4.2.12） i =1,2,…，n （4.2.11）和（4.2.12）是分别由n个方程组成的方程组。将它们写成矩阵形式： （4.2.13） （4.2.14） （4.2.13）为总体回归模型的中心化形式（或离差形式），（4.2.14）为样本回归模型的中心化形式（或离差形式）。其中