单方程计量经济学模型多元.ppt

（ 2 ） 2 . 5 35 . 0 82 . 1 ? 1 ? 1 1 ? ? ? ? ? s t 16 . 5 5 . 0 58 . 2 ? 2 ? 2 2 ? ? ? ? ? ? ? s t 131 . 2 ) 15 ( 025 . 0 ? t 131 . 2 131 . 2 2 1 ? ? ? t t 给定 α =0.05 ， ∴ 参数显著不为零 § 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 一般表现形式 ( 总体回归模型） ： i ki k i i i X X X Y ? ? ? ? ? ? ? ? ? ? ? ? ? ? 2 2 1 1 0 i =1,2 …,n 其中 : k 为解释变量的数目，参数个数为 k+1 , n 为观 察次数。 ? j (j=1,2,…k) 称为 回归系数 ( regression efficient ）。 ? 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。 总体回归模型 n 个随机方程的 矩阵表达式 为 : μ X β Y ? ? 2 2 22 2 12 1 0 2 ... ? ? ? ? ? ? ? ? ? ? ? k k X X X Y 1 1 21 2 11 1 0 1 ... ? ? ? ? ? ? ? ? ? ? ? k k X X X Y n kn k n n n X X X Y ? ? ? ? ? ? ? ? ? ? ? ... 2 2 1 1 0 …………………………. ) 1 ( 2 1 2 22 12 1 21 11 1 1 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? k n kn n n k k X X X X X X X X X ? ? ? ? ? ? ? X 1 ) 1 ( 2 1 0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? k k ? ? ? ? ? β 1 2 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? n n ? ? ? ? μ 其中 : 样本回归函数 ：用来估计总体回归模型 ki ki i i i X X X Y ? ? ? ? ? ? ? ? ? 2 2 1 1 0 ? ? ? ? ? ? 其 随机表示式 : i ki ki i i i e X X X Y ? ? ? ? ? ? ? ? ? ? ? ? ? ? 2 2 1 1 0 ? e i 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 的估计值。 样本回归函数 的 矩阵表达 : β X Y ? ? ? 或 e β X Y ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? k ? ? ? ? ? ? ? 1 0 ? β ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? n e e e ? 2 1 e 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 0 ) ( ? i E ? 2 2 ) ( ) ( ? ? ? ? ? i i E Var 0 ) ( ) , ( ? ? j i j i E Cov ? ? ? ? n j i j i , , 2 , 1 , ? ? ? 假设 3 ，解释变量与随机项不相关 0 ) , ( ? i ji X Cov ? 假设 4 ，随机项满足正态分布 ) , 0 ( ~ 2 ? ? N i k j , 2 , 1 ? ? 上述假设为多元线性回归模型的经典假设 § 3.2 多元线性回归模型的估计 一、普通最小二乘估计 二、参数估计量的性质 三、样本容量问题 一、普通最小二乘估计 根据 最小二乘原理 ，参数估计值应该是下列方程 组的解 : ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0 ? 0 ? 0 ? 0 ? 2 1 0 Q Q Q Q k ? ? ? ? ? ? ? ? ? ? ? ? ? 其中 2 1 1 2 ) ? ( ? ? ? ? ? ? ? n i i i n i i Y Y e Q 2 1 2 2 1 1 0 )) ? ? ? ? ( ( ? ? ? ? ? ? ? ? n i ki k i i i X X X Y ? ? ? ? ? i ki k i i i X X X Y ? ? ? ? ? ? ? ?