2.3多元回归分析.pdf

§2.3多元线性回归模型的参数估计 Estimation of Multiple Linear Regression Model 一、多元线性回归模型 二、多元线性回归模型的参数估计 三、参数估计量的性质 四、样本容量问题 五、多元线性回归模型实例 六、Beta 系数 七、弹性系数 八、相关分析 九、虚拟变量问题 一、多元线性回归模型 1、多元线性回归模型的形式 • 在实际经济问题中，一个变量往往受到 多个原因变量的影响，在线性回归模型 中则表现为有多个解释变量。这样的模 型被称为多元线性回归模型。 • 多元线性回归模型的一般形式为： Y   X  X  X  i=1,2, …,n i 0 1 1i 2 2 i k ki i (2.3.1) 其中： 为解释变量的数目； k 习惯上把常数项看成为一个虚变量的系数，在 参数估计过程中该虚变量的样本观测值始终取 1。这样： 模型中解释变量的数目为（k+1 ）。 Back 二、多元线性回归模型的参数估计 • 普通最小二乘估计 • 在满足线性回归模型的基本假设的情况下，多 元线性回归模型可以采用普通最小二乘法估计 参数。 随机抽取被解释变量和解释变量的 组样本观测值： n (Y , X ), i 1,2, , n, j 0,1,2, k i ji 如果模型的参数估计值已经得到，则有： ˆ ˆ ˆ ˆ ˆ …,n      Y X X  X i=1,2, i 0 1 1i 2 2i ki Ki 根据最小二乘原理，参数估计值应该是下列方程组的解：   Q 0 0  Q 0  1    Q 0 (2.3.4) 2     Q 0  k 其中 n n 2 2 ˆ Q e (Y Y )   i i i i 1 i 1 2 n ˆ ˆ ˆ ˆ (Y (  Y  Y   Y