金融计量学3 多元线性回归模型.pptVIP

第三章 经典单方程计量经济学模型：多元线性回归模型 多元线性回归模型 多元线性回归模型的参数估计 多元线性回归模型的统计检验 多元线性回归模型的预测 回归模型的其他形式 回归模型的参数约束 §3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式： i=1,2…,n 其中:k为解释变量的数目，j称为回归参数（regression coefficient）。 也被称为总体回归函数的随机表达形式。它 的非随机表达式为: ki k i i ki i i i X X X X X X Y E b b b b + … + + + = 2 2 1 1 0 2 1 ) , , | ( … 表示：各变量X值固定时Y的平均响应。 习惯上：把常数项看成为一虚变量的系数，该虚变量的样本观测值始终取1。于是： 模型中解释变量的数目为（k+1） 总体回归模型n个随机方程的矩阵表达式为: 其中 j也被称为偏回归系数，表示在其他解释变量保持不变的情况下，X j每变化1个单位时，Y的均值E(Y)的变化; 或者说j给出了X j的单位变化对Y均值的“直接”或“净”（不含其他变量）影响。 2 1 2 22 12 1 21 11 1 1 1 ú ú ú ú û ù ê ê ê ê ë é = n×(k+1) kn n n k k X X X X X X X X X … M M M M … … X (k+1)×1 2 1 0 ú ú ú ú ú ú û ù ê ê ê ê ê ê ë é = k b b b b β 2 1 ú ú ú ú û ù ê ê ê ê ë é = n×1 n m m m • • • μ 用来估计总体回归函数的样本回归函数为： • • • ki ki i i i X X X Y b b b b ˆ ˆ ˆ ˆ ˆ 2 2 1 1 0 + + + + = … 其随机表示式: i ki ki i i i e X X X Y + + + + + = b b b b ˆ ˆ ˆ ˆ 2 2 1 1 0 … ei称为残差或剩余项(residuals)，可看成是总体回归函数中随机扰动项i的近似替代。 样本回归函数的矩阵表达: 或 其中： 二、多元线性回归模型的基本假定 假设1，解释变量是非随机的或固定的，且各X之间互不相关（无多重共线性）。 假设2，随机误差项具有零均值、同方差及不序列相关性。 n j i j i , , 2 , 1 , … = ¹ 假设3，解释变量与随机项不相关 k j , 2 , 1 , … = 假设4，随机项满足正态分布 上述假设的矩阵符号表示 式： 假设1，n(k+1)矩阵X是非随机的，且X的秩=k+1，即X满秩。 假设2， 假设4，向量 有一多维正态分布，即 同一元回归一样，多元回归还具有如下两个重要假设： 假设5，样本容量趋于无穷时，各解释变量的方差趋于有界常数，即n∞时， 假设3，E(X’)=0，即 其中：Q为一非奇异固定矩阵，矩阵x是由各解释变量的离差为元素组成的nk阶矩阵 假设6，回归模型的设定是正确的。 或 §3.2 多元线性回归模型的估计 一、普通最小二乘估计 *二、最大或然估计 *三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例 说 明 估计方法： 3大类方法：OLS、ML或者MM 在经典模型中多应用OLS 在非经典模型中多应用ML或者MM 在本节中， ML与MM为选学内容 一、普通最小二乘估计 对于随机抽取的n组观测值 如果样本函数的参数估计值已经得到，则有： Ki ki i i i X X X Y b b b b ˆ ˆ ˆ ˆ ˆ 2 2 1 1 0 + + + + = … i=1,2…n 根据最小二乘原理，参数估计值应该是右列方程组的解 其中 于是得到关于待估参数估计值的正规方程组： ï ï ï î ï ï ï í ì S = + + + + S S = + + + + S S = + + + + S S = + + + + S ki i ki ki k i i i i i ki k i i i i i i ki k i i i ki k i i X Y X X X X X Y X X X X X Y X X X X Y X X X ) ˆ ˆ ˆ ˆ ( ) ˆ ˆ ˆ ˆ ( ) ˆ ˆ ˆ ˆ ( ) ˆ ˆ