logo

您所在位置网站首页 > 海量文档  > 高等教育 > 统计学

第4章多元回归:估计与假设检验.ppt 58页

本文档一共被下载: ,您可全文免费在线阅读后下载本文档。

  • 支付并下载
  • 收藏该文档
  • 百度一下本文档
  • 修改文档简介
全屏预览

下载提示

1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值,立即自动返金币,充值渠道很便利
由于: = 0 所以有: 注意: 可决系数 该统计量越接近于1,模型的拟合优度越高。 对于三变量回归: 在应用过程中发现,如果在模型中增加一个解释变量, R2往往增大。 这就给人一个错觉:要使得模型拟合得好,只要增加解释变量即可。—— 但是,现实情况往往是,由增加解释变量个数引起的R2的增大与拟合好坏无关,R2需校正。 校正的可决系数(adjusted coefficient of determination) 在样本容量一定的情况下,增加解释变量必定使得自由度减少,所以校正的思路是:将残差平方和与总离差平方和分别除以各自的自由度,以剔除变量个数对拟合优度的影响: 其中:n-k-1为残差平方和的自由度,n-1为总体平方和的自由度。(k为解释变量的个数) 注:两个解释变量,但要估计三个参数 *2、赤池信息准则和施瓦茨准则 为了比较所含解释变量个数不同的多元回归模型的拟合优度,常用的标准还有: 施瓦茨准则(Schwarz criterion,SC) 这两准则均要求仅当所增加的解释变量能够减少AIC值或AC值时才在原模型中增加该解释变量。 赤池信息准则(Akaike information criterion, AIC) 例:P158(古董钟拍卖) 校正的判定系数 有如下性质: 如果k>1,则 R2总是大于0,但 可能为负 8.4 多元线性回归模型的假设检验 假设检验 一、变量的显著性检验(t检验) 二、方程的显著性检验(F检验) 三、参数的置信区间 一、变量的显著性检验(t检验) 方程的可决系数R2虽然度量了估计回归直线的拟合优度,但R2本身却不能判定回归系数是否是统计显著的,即是否显著不为零。 因此,必须对每个解释变量进行显著性检验——偏回归系数的显著性检验,以决定是否作为解释变量被保留在模型中。 这一检验是由对变量的 t 检验完成的。 经济计量学 Chp 4——多元回归:估计与假设检验 主要内容 多元线性回归模型及其假定 多元线性回归参数的估计 多元回归模型的拟合优度 多元回归模型的假设检验 关于设定误差 实例 从单解释变量到多解释变量 一个例子: 学习目标 多元回归模型的估计问题 多元回归模型的假设检验问题 多元回归模型区别于双变量模型的特性 如何决定多元回归模型中解释变量的个数 4.1 多元线性回归模型及其假定 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? 很明显,只用一个解释变量已很难分析汽车产业的发展, 还需要寻求有更多个解释变量情况的回归分析方法。 怎样分析多种因素的影响? 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,Bj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: 表示:各变量X值固定时Y的均值,即总体回归线上的点。 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) 确定成分 随机成分 Bj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Bj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。 其随机表示式: 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ui的近似替代。 用来估计总体回归函数的样本回归函数为: 多元线性回归模型的基本假定 假设1:回归模型是参数线性的,并且正确设定 假设2:解释变量与扰动项不相关 假设3,随机误差项具有零均值、同方差,服从正态分布及不序列相关性(相当于书中的3、4、5、7等四个假设)。 多元线性回归模型的基本假定 假设4:解释变量之间不存在完全共线性,即两个解释变量之间无确切的线性关系。 在存在完全共线性的情况下,不能估计偏回归系数,即不能估计各解释变量各自对应变量Y的影响。 实际问题中,很少会遇到完全共线性的情况,但却面临高度共线性或近似完全共线性的情况。这将第三部分说明。 4.2 多元线性回归参数的估计 主要内容 1.普通最小二

发表评论

请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
用户名: 验证码: 点击我更换图片

“原创力文档”前称为“文档投稿赚钱网”,本站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有【成交的100%(原创)】。原创力文档是网络服务平台方,若您的权利被侵害,侵权客服QQ:3005833200 电话:19940600175 欢迎举报,上传者QQ群:784321556