多元线性相关与回归分析.pdfVIP

第三节 多元线性相关与回归分析 一、标准的多元线性回归模型 上一节介绍的一元线性回归分析所反映的是１个因变量与１个自变 量之间的关系。但是，在现实中，某一现象的变动常受多种现象变动的影 响。例如，消费除了受本期收入水平的影响外，还会受以往消费和收入水 平的影响；一个工业企业利润额的大小除了与总产值多少有关外，还与成 本、价格等有关。这就是说，影响因变量的自变量通常不是一个，而是多 个。在许多场合，仅仅考虑单个变量是不够的，还需要就一个因变量与多 个自变量的联系来进行考察，才能获得比较满意的结果。这就产生了测定 与分析多因素之间相关关系的问题。 研究在线性相关条件下，两个和两个以上自变量对一个因变量的数量 变化关系，称为多元线性回归分析，表现这一数量关系的数学公式，称为 多元线性回归模型。多元线性回归模型是一元线性回归模型的扩展，其基 本原理与一元线性回归模型相类似，只是在计算上比较麻烦一些而已。限 于本书的篇幅和程度，本节对于多元回归分析中与一元回归分析相类似的 内容，仅给出必要的结论，不作进一步的论证。只对某些多元回归分析所 特有的问题作比较详细的说明。 多元线性回归模型总体回归函数的一般形式如下： Y X X u t 1 2 2t k kt t (7.51) 上式假定因变量 Y 与(k-1) 个自变量之间的回归关系可以用线性函数来 t jt j 近似反映 . 式中， Y 是变量 Y 的第ｔ个观测值； X 是第 j 个自变量 X 的第 t 1 2 k ｔ个观测值 (j=1,2, ……， k) ；u 是随机误差项； β ，β ，… ，β 是总 j j 体回归系数。 β 表示在其他自变量保持不变的情况下，自变量 X 变动一 个单位所引起的因变量 Y 平均变动的数额，因而又叫做偏回归系数。该式 中，总体回归系数是未知的，必须利用有关的样本观测值来进行估计。 ? ? ? 假设已给出了ｎ个观测值，同时 1 ， 2 …， k 为总体回归系数的估计， 则多元线性回归模型的样本回归函数如下： Y ? ? X ? X e t 1 2 2t k kt t (7.52) (t ＝1,2, …,n) ? t t Yt 式中， e 是 Y 与其估计 之间的离差，即残差。与一元线性回归分析 相类似，为了进行多元线性回归分析也需要提出一些必要的假定。多元线 性回归分析的标准假定除了包括上一节中已经提出的关于随机误差项的 假定外，还要追加一条假定。这就是回归模型所包含的自变量之间不能具 有较强的线性关系，同时样本容量必须大于所要估计的回归系数的个数即 n＞k 。我们称这条假定为标准假定６。 二、多元线性回归模型的估计 （一）回归系数的估计 多元线性回归模型中回归系数的估计同样采用最小二乘法。设 (Y ? ? X ? X )2