定稿北大光华金融硕士统计学考研讲义-多元回归分析.pptVIP

.精品课件. 新祥旭北京大学光华考研 统计学考研辅导班讲义 * .精品课件. 多元线性回归模型 多元线性回归模型 多元线性回归模型的参数估计 多元线性回归模型的假设检验 实例 * .精品课件. §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 * .精品课件. 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式： i=1,2…,n 其中:k为解释变量的数目，?j称为回归参数（regression coefficient）。 * .精品课件. 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式： i=1,2…,n 其中:k为解释变量的数目，?j称为回归参数（regression coefficient）。 * .精品课件. 总体回归函数为: 总体回归函数的随机表达形式为 可以看到是对应于一元线形回归模型的，是一元线性回归模型的 自然引申与扩展！ * .精品课件. ?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。 * .精品课件. 其随机表示式: ei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的近似替代。 用于估计总体回归函数的样本回归函数是 * .精品课件. 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。 * .精品课件. 假设3，解释变量与随机项不相关 假设4，随机项满足正态分布 * .精品课件. §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 四、估计实例 * .精品课件. 说 明 估计方法：OLS（普通最小二乘法） * .精品课件. 一、普通最小二乘估计 对于随机抽取的n组观测值 如果样本函数的参数估计值已经得到，则有： i=1,2…n 根据最小二乘原理，参数估计值应该是右列方程组的解 其中 * .精品课件. 于是得到关于待估参数估计值的正规方程组： 解该（ k+1） 个方程组成的线性代数方程组，即 可得到(k+1) 个待估参数的估计值 $ , , , , , b j j = 0 1 2 L 。 k * .精品课件. ?随机误差项?的方差?的无偏估计 可以证明，随机误差项?的方差的无偏估计量为： * .精品课件. 二、参数估计量的性质 在满足基本假设的情况下，其结构参数?的普通最小二乘估计具有： 线性性、无偏性、有效性。 -------也就是满足高斯-马尔柯夫定理 * .精品课件. 三、样本容量问题 所谓“最小样本容量”，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 ⒈ 最小样本容量 样本最小容量必须不少于模型中解释变量的数目（包括常数项）,即 n ≥ k+1 * .精品课件. 2、满足基本要求的样本容量 从统计检验的角度： n-k≥8时, t分布较为稳定 一般经验认为: 当n≥30或者至少n≥3(k+1)时，才能说满足模型估计的基本要求。 模型的良好性质只有在大样本下才能得到理论上的证明 * .精品课件. §3 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间 * .精品课件. 一、拟合优度检验 1、判定系数与调整的判定系数 则 总离差平方和的分解 * .精品课件. 由于: =0 所以有： 注意：一个有趣的现象 * .精品课件. 判定系数 该统计量越接近于1，模型的拟合优度越高。 问题：在应用过程中发现，如果在模型中增加一个解释变量， R2往往增大（Why?) 这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。—— 但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整。 * .精品课件. 调整的判定系数（adjusted coefficient of determination） 在样本容量一定的情况下，增加