多元线性回归模型.pptxVIP

多元线性回归模型;第一节 多元线性回归模型的概念 在许多实际问题中，我们所研究的因变量的变动可能不仅与一个解释变量有关。因此，有必要考虑线性模型的更一般形式，即多元线性回归模型： t=1,2,…,n 在这个模型中，Y由X1,X2,X3, …XK所解释，有K+1个未知参数β0、β1、β2、…βK 。 这里，“斜率”βj的含义是其它变量不变的情况下，Xj改变一个单位对因变量所产生的影响。; ;多元线性回归模型中斜率系数的含义 上例中斜率系数的含义说明如下： 价格不变的情况下，个人可支配收入每上升10亿美元（1个billion），食品消费支出增加1.12亿元（0.112个 billion）。 收入不变的情况下，价格指数每上升一个点， 食品消费支出减少7.39亿元（0.739个billion）;例2： 其中，Ct=消费，Dt=居民可支配收入 Lt=居民拥有的流动资产水平 β2的含义是，在流动资产不变的情况下，可支配收入变动一个单位对消费额的影响。这是收入对消费额的直接影响。 收入变动对消费额的总影响=直接影响+间接影响。 （间接影响：收入影响流动资产拥有量?影响消费额） 但在模型中这种间接影响应归因于流动资产，而不是收入，因而，β2只包括收入的直接影响。 在下面的模型中： 这里，β是可支配收入对消费额的总影响，显然β和β2的 含义是不同的。;回到一般模型 t=1,2,… ，n 即对于n组观测值，有 ;其矩阵形式为： 其中 ;第二节 多元线性回归模型的估计 多元线性回归模型的估计与双变量线性模型类似，仍采用最小二乘法。当然，计算要复杂得多，通常要借助计算机。理论推导需借助矩阵代数。下面给出最小二乘法应用于多元线性回归模型的假设条件、??计结果及所得到的估计量的性质。 一．假设条件 （1）E(ut)=0, t=1,2,…,n （2）E(ui uj)=0, i≠j （3）E(ut2)=σ2, t=1,2,…,n （4）Xjt是非随机量， j=1,2, … k t=1,2, … n ; 除上面4条外，在多个解释变量的情况下，还有两个条件需要满足： （5）（K+1） n; 即观测值的数目要大于待估计的参数的个数 （要有足够数量的数据来拟合回归线）。 （6）各解释变量之间不存在严格的线性关系。;上述假设条件可用矩阵表示为以下四个条件： (1) E(u)=0 (2) 由于 显然， 仅当 E(ui uj)=0 , i≠j E(ut2) = σ2, t=1,2,…,n 这两个条件成立时才成立，因此， 此条件相当前面条件(2), (3)两条，即各期扰动项互不相关，并具有常数方差。;;二．最小二乘估计 我们的模型是： t=1,2,…n 问题是选择