- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
.
一元线性回归模型
总体回归函数
E Y X
)0
1
X
(
多元线性回归模型
E(Y X1,X2
X k )01 X 12 X 2k X k
即 E(Y X)
β
X
总体回归模型
Y
E(Y X)
(总体回归函数的
1 X
随机表达形式)
0
样本回归模型
(样本回归函数的
Y
?
?
0
1 X e
随机表达形式)
样本回归函数
?
?
?
Y
0
1 X
给 定 一 组 容 量 为 n 的 样 本
( X1 ,Y1 ), ( X 2 , Y2 ), ( Xi ,Yi ), ( X n ,Yn )
则,上述式子可以写成:
E(Yi X i )
01 X i
总体回归函数
总体回归模型
Yi
E(Yi
X i )
i
1 X i
0
i
样本回归模型
Yi
?
?
ei
0
1 X i
样本回归函数
?
?
?
Yi
0
1 X i
样本回归函数的离
Y E(Y X 1 , X 2 X k )
0 1 X 1 2 X 2 k X k
Y
?
?
?
X 2
?
0
1 X 1
2
k X k
?
?
?
?
1 X 1
2 X 2
k X k
Y
0
(X11,X12,
(X21,X22,
给定一组容量为 n 的样本
( X i 1 , X i 2 ,
( X n1 , X n 2 ,
则上述式子可以写成:
E(Yi X i 1 , X i 2 X i k ) 0 1 X i1
YiE(Yi X i1, X i 2
X i k )
i
01 X i 1
2 X i 2
k X i k
Yi
?
?
X i1
?
X i 2
?
0
1
2
k X i k
?
?
?
?
?
0
1 X i 1
2 X i 2
k X i k
Yi
即Y Xβ μ
?
e 即Y Xβ e
Y? X?
即 β
X1 k ,Y1 ),
X 2 k , Y2 ),
,
X i k ,Yi )
X n k , Yn )
2 X i 2 k X i k
i
ei
?
?
1 xi
差形式
yi
解释变量的个数
2 个:
C, X
(包括常数项)
?
y? xβ
k+1 个: C, X1 , X 2 , X k
基本假定
假设 1:
回归模 型是正确 设定
模型设定正确假设。
的。
确定性假设。解释变量
假设 2:
X 是确定性变量,不是
确定性假设。 解释变量 X 1 , X 2 ,
X k 是非随机或固定的,
且
随机变量,在重复抽样
,..
.
中取固定值。 :
各 X j 之间不存在严格线性相关(无完全多重共线性)。
① 样本变异性假
①样本变异性假设。
设。对解释变量
各解释变量 X j 在所抽取的样本中具有变异性。
X 抽取的样本
假设 3:
观察值并不完
② 样本方差趋于常数假设。
全相同。
随着样本容量的无限增加,各解释变量的样本方差区域
② 样本方差趋于
一个非零的有限常数。
常数假设。
随机误差项 μ 零均值、
假设 4:
同方差、不序列相关假
随机误差项 μ零均值、同方差、不序列相关假设。
设。
假设 5:
随机误 差项与解 释变
随机误差项与解释变量不相关 。
量不相关 。
假设 :6:
正态性假设 。随机项服
正态性假设 。随机项服从正态分布 。
从正态分布 。
参数估计
一元线性回归模型 多元线性回归模型
普通最小二乘估计
OLS )
残差平方和达到最小,得到正规方程组,求得参数的普通最小二乘估计值:
xi yi
1
xi
2
( 普 通
?
Y
?
0
1 X
最小二乘估计的离差形
式)
随机干扰项的方差的估计量
2
?2 ei
n 2
残差平方和达到最小,得到正规方程组,求得参数的普通最
小二乘估计值 β? (X X) - 1 X Y
?
(x x)
- 1
x y
β
?
Y
?
?
0
1 X1
k X k
( 普通最小二乘估计的离差形式
)
随机干扰项的方差
?
2
ei
2
e e
n
k
1
n k 1
最大似然估计
(ML)
矩估计( MM )
参数估计值估计结果与
OLS 方法一致, 但随机
参数估计值估计结果与
OLS 方法一致, 但随机干扰项的方差
干扰项的方差的估计量
与OLS
不
同
的估计量 ?
2
ei
2
2
n
?2
ei
n
,..
参数估计量的性质
参数估计量的概率分布
样本容量问题
统计检验
拟合优度检验
方程总体显著性检验
.
线性性、无偏性、有效
线性性、无偏性、有效性
性
?1 ~N(
2
1 ,
2 )
xi
---
Xi
2
?0~N(
0 ,
2 )
xi
2
n
样本容量 n 必须不少于模型中解释变量的个数(包括常数
项),即 n k 1 才能得到参数估计值, n - k 8
文档评论(0)