二元线性回归模型及参数估计.pptVIP

二元线性回归模型及参数估计 二元线性回归模型及参数估计二元线性回归模型及参数估计 一、二元线性回归模型的参数估计 1．偏回归系数的估计 所谓偏回归系数，是指多元线性回归模型中解释变量前的系数。其含义是：当其他解释变量保持不变时，某一解释变量变化一个单位而使被解释变量Y平均改变的数值，即某一解释变量对被解释变量Y的影响程度。 根据极值存在的必要条件，应该有 从而得到正规方程组 二、Beta系数和弹性系数 在多元回归分析中，需要说明各个解释变量的相对重要性，或者比较被解释变量对各个解释变量的敏感性。 然而，偏回归系数与变量的原有计量单位有直接联络，计量单位不同，彼此不能直接比较。 为此，需要引进Beta系数和弹性系数。 1．Beta系数 Beta系数是由偏回归系数转换来的。 其中 可见，Beta系数是用解释变量标准差〔SXj〕和被解释变量标准差〔SY〕的比例对估计的偏回归系数进展调整后得到的，其数值与变量的单位无关，因此可以直接比较，用于说明多元回归模型中解释变量的相对重要性。 对于二元线性回归模型，可以按以下公式计算Beta系数： 由于 2．弹性系数 弹性系数是某一变量的相对变化引起另一变量的相对变化的度量，即变量的变化率之比。 平均弹性是指在样本均值附近的弹性，即