多元线性回归模型说课讲解.ppt

计量经济学 第四章 多;在本章将把一元线性回归模型推广;预测大学足球比赛的获胜得分差额;主要内容第一节 多元回归模型;第一节 多元回归模型的定义一;例如在收入—消费模型中，除了收;多元回归分析与一元回归分析相比;3．多元回归模型更具有一般性。;含有两个解释变量的多元回归模型;无标题;系数 和 为偏;例如在汽车需求分析中，可设定模;又如在劳动力市场中，工资水平模;在含有两个解释变量的多元回归模;假定3：ui 无序列相关假定 ;假定4：ui 与每一个解释变量;无标题;三、含有多个解释变量的模型 ;无标题;式（4.9）的均值表达式为 i;把式（4.10）表示为增量形式;即在保持X3，X4，…，Xk ;例如，在汽车需求分析中，要研究;式（4.13）中，Yt ＝某品;四、多元线性回归模型的矩阵表示;用矩阵表示;无标题;第二节 最小二乘估计;根据最小二乘准则，应选择使残差;无标题;无标题;（4.18）;无标题;用矩阵表示因为样本回归函数为 ;如果使用普通最小二乘法而得到了;【例4.1】 工资回归模型 ;在式（4.19）中，系数0.0;二、判定系数R2及调整的判定系;将其推广到多元回归模型中，判定;判定系数R2的一个重要性质是：;无标题;为了消除解释变量个数对判定系数;所谓调整，就是指 ;无标题;在回归分析中，我们的目的并不是;所以，我们应更加关心解释变量对;【例4.2】 大学平均成绩的决;截距项1.29没有实际意义。因;三、最小二乘估计量的期望值和方;对这一结果有直接影响的假定为E;在多元回归分析中，如果回归模型;虽然在多元回归分析中，模型的函;无偏性不是针对某一特定样本而言;无标题;因为一个估计值是从一个特定的样;（二） 的方差和标准误 ;无标题;具有非常重要的指导意义。方差越;无标题;回归模型的干扰项u是对回归结果;２． ;无标题;３． ;在一元回归模型中，只有一个解释;在二元回归模型： ;由于R2度量了拟合优度，所以当;对于一般情况，Rj2 是Xj;最理想的情形是 ＝0;其中，X3与X4高度相关，则 ;但X3与X4之间的相关程度对 ;将 ;无标题;无标题;正的平方根被称为回归标准误。该;四、最小二乘估计量的性质 ;无标题;我们已经知道 是 ;线性一词的含义是指 ;无标题;高斯—马尔可夫定理的意义在于，;高斯—马尔可夫定理证明了在多元;无标题;无标题;无标题;在经济计量分析中，我们最关心的;式（4.34）中，j 对应k－;如式（4.34）成立，即 ;无标题;在经济计量分析中，备择假设通常;无标题;在式（4.37）中， ;无标题;由于在估计 中存在抽;我们所进行的假设检验是关于总体;多元回归中的t 检验决策规则与;【例4.3】 工资回归模型例;式（4.38）中，Y＝工资，X;查t 分布表可知，5%显著性水;这就意味着模型中的三个解释变量;我们除了要判断每一个偏回归系数;多元回归模型的总体显著性就是对;例如，对于二元回归模型 （4.;无标题;在一元回归模型中，只有一个解释;可以证明，对于多元线性回归模型;（4.43） 服从自由度为（k;从F 的表达式可以看出，如果原;如果原假设 ;无标题;无标题;无标题;无标题;可以证明F 统计量与判定系数R;无标题;【例4.5】 人口寿命回归模;表4.1 亚洲各国（地区;国家和地区平均 寿命Y（年;要研究人口寿命问题，可将模型设;据表4.1的样本数据，使用普通;EViews 输出结果为;1．判定系数 R2＝0.908;无标题;无标题;可以看出，回归方程中4个t 统;实际上，从式（4.48）给出的;3．总体显著检验—F检验 ;说明人口人均寿命与人均GDP、;第四节 回归模型的函数形式 ;在此，我们主要讨论如下四种形式;一、对数线性模型 在进行;对式(4.49)取对数可得（4;无标题;令 则式（4.51）可表达为（;在式 （4.51）中，取LnY;无标题;无标题;在回归分析中使用对数线性模型的;（3）当Y 0时，使用对数;（4）取对数后会缩小变量的取值;对于何时取对数并不存在一个固定;（2）以年度量的变量，如受教育;【例4.6】 美国咖啡需求函;年份Y（每人每日杯数）X（每磅;无标题;EViews输出结果为Depe;从样本回归模型可以看出，咖啡需;【例4.7】中国柯布—道格拉斯;式（4.56）为非线性模型，取;在C-D生产函数中 1．;3．总和（α +β）显示经济系;年份实际GDP（亿元）就业人数;假定式（4.57）为经典线性回;无标题;EViews 输出结果