多元线性回归模型.pdfVIP

计量经济学 课程教案 授课题目（教学章、节或主题） ： 第 3 章 多元线性回归模型 授课时间 第 6 、7 周共 4 课时 教学器材与工具 多媒体 安 排 授 课 类 型 理论课 √讨论课□ 实验课□ 习题课□ 双语课程□ 其他□ （请打√） 教学目的、要求（分掌握、熟悉、了解三个层次）： 1、熟悉多元线性回归模型的基本假定； 2、掌握多元线性回归参数估计方法； 3、熟悉多元线性回归模型拟合优度的度量； 4、掌握回归系数的估计和假设检验。 教学重点及难点： 回归系数的估计和假设检验 教 学 基 本 内 容 §3.1 多元线性回归模型 §3.2 多元线性回归模型的参数估计 §3.3 多元线性回归模型的统计检验 §3.4 多元线性回归模型的预测 §3.5 回归模型的其他形式 教学过程设计： 一、引入 二、讲授 三、小结 教学方法及手段（请打√） ：讲授 √、讨论□、多媒体讲解 √、模型、实物讲解□、挂图 讲解□、音像讲解□等。 作业、讨论题、思考题： 多元线性回归分析中，为什么要对可决系数加以修正？ 参考资料（含参考书、文献等） ：《计量经济学》，（美）D.Gujarati 著，林少宫译； 《计量 经济学》，李子奈编著； 《经济计量学精要》，（美）D.Gujarati 著，张寿等译。 课后小结：本章我们讨论多元回归模型，介绍了一些新的概念，比如偏回归系数，校正 的和非校正的多元判定系数，多重共线性等。就多元回归参数估计而言，我们仍然是在 普通最小二乘估计的框架下进行参数估计的。 我们可以用两种不同的检验方法—显著性 检验法和置信区间法进行假设检验。 1 第 3 章 多元线性回归模型 在这一章中，我们讨论具有两个或多个自变量 ( 除常数项以外 ) 的回归模型，即多元 回归模型。我们要描述古典多元回归模型的基本假设，并说明如何获得参数的最小二乘 估计。然后我们讨论回归系数的含义。我们将看到，回归方程中解释变量之间的相互作 用会产生一些问题。 在这一章中我们尤其着重讨论各种有助于解释模型的回归统计量，包括标准化系 数、弹性和偏相关系数。 3.1 模型 1 2 K 假设因变量 Y 是多个自变量 X ，X ，…，X 和误差项的线性函数，就可以将一元线 性回归模型加以推广。因为多元线性回归模型是一元线性回归模型的自然推广，所以我 们不需要详细推导所有以前的结论。 我们将多元线性回归模型写为： 1 2 K 2i 其中 Y 是因变量， X ，X ，…，X 是自变量，是误差项。举例来说， X 代表解释变 量 X2 的第 i 个观测值。 βi 是方程的常数项，或截距。 多元回归模型的假设与一元模型非常相似： 1. Y 与 X 之间的关系是线性的，并且如式 (4-1) 所示。 2. X 不是随机变量，并且在两个或多个自变量之间没有精确的线性关系。 3. 所有观测值的误差项的期望值都为 0。 4. 所有观测值的误差项具有相同的方差。 5. 不同观测值的误差项之间相互独立，因而不相关。 6. 误差项服从正态分布。 为简化起见，我们用一个特殊的多元回归模型，即二元模型来说明问题 最小二乘法就是寻找能够使残差平方和达到最小的参数估计。残差平方和定义如 下：