第三章多元线性回归模型115.pptx

第三章 经典单方程计量经济学模型：多元线性回归模型;引言;第三章 经典单方程计量经济学模型：多元线性回归模型 ;§3.1 多元线性回归模型 ; 一、多元线性回归模型;也被称为总体回归函数的随机表达形式。它的非随机表达式（总体回归方程）为:;?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，Xj每变化1个单位时，Y的均值E(Y)的变化; 或者说?j给出了Xj的单位变化对Y均值的“直接”或“净”（不含其他变量）影响。;3.样本回归函数：用来估计总体回归函数;5.总体回归模型n个随机方程的矩阵表达式为 ;总体回归模型;总体回归模型;二、多元线性回归模型的基本假定 ; （一）多元线性回归基本假定;一元线性回归模型的基本假设;（二）多元线性回归模型假设的矩阵符号表示式：;;假设4，向量? 有一多维正态分布，即 ;§3.2 多元线性回归模型的估计 ;一、普通最小二乘估计;;于是得到关于待估参数估计值的正规方程组： ;?正规方程组 的另一种写法;对于正规方程组;协方差：令随机变量X和Y的期望值分别为?x，?y，其协方差为：;4、正规方程组的矩阵形式;将上述过程用矩阵表示如下： ;?样本回归函数的离差形式; 二、参数估计量的性质; 2、无偏性 ;其中利用了 ;最小二乘估计量的最小方差性;最小二乘估计量的最小方差性;;?随机误差项?的方差?的无偏估计 ; 三、样本容量问题 ; 2、满足基本要求的样本容量 ;四、多元线性回归模型的参数估计实例 ;;Eviews软件估计结果 ;Eviews软件估计结果 ;被解释变量样本标准差;§3.3 多元线性回归模型的统计检验 ; 一、拟合优度检验;由于 ;;调整可决系数的原因;调整可决系数的原因;相关系数的定义：; 调整的可决系数（adjusted coefficient of determination） ;自由度;; 二、方程的显著性检验(F检验) ; F检验的思想来自于总离差平方和的分解式： TSS=ESS+RSS;57; 根据数理统计学中的知识，在原假设H0成立的条件下，统计量 ;判断原则：;对于中国居民人均消费支出的例子： 一元模型：F=285.92 二元模型：F=2057.3;2、关于拟合优度检验与方程显著性检验关系的讨论 ;在中国居民人均收入-消费一元模型中，; 三、变??的显著性检验（t检验）; 1、t统计量 ;因此，可构造如下t统计量 ; 2、t检验;判断原则：;注意：一元线性回归中，t检验与F检验一致 ;在中国居民人均收入-消费支出二元模型例中，由应用软件计算出参数的t值：;检验方法; 四、参数的置信区间 ; 四、参数的置信区间 计算置信区间 时，如果涉及的参数估计值和相应标准差在EViews输出结果中已给出，那么在通过查t分布表找到相应临界值，就可以计算置信区间了。; 在中国居民人均收入-消费支出二元模型例中, 给定?=0.05，查表得临界值：t0.025(19)=2.093;如何才能缩小置信区间？ ;;第四节 解释变量的筛选;一、选择解释变量的四条原则 （1）理论： 从理论上看，该变量是否应该作为解释变 量包括 在方程中？ （2） t检验：该变量的系数估计值是否显著？ （3） ： 该变量加进方程中后， 是否增大？ （4） 偏倚： 该变量加进方程中后，其它变量的系数 估计值是 否显著变化？; 但根据以上准则判断并不总是这么简单。在很多情况下，这四项准则的判断结果会出现不一致。例如，有可能某个变量加进方程后， 增大，但该变量不显著。 ;二、逐步回归法; 2、 引入解释变量出现的三种情形： 以对被解释变量贡献最大的解释变量所对应的回归方程为基础，以对被解释变量贡献大小为顺序逐个引入其余的解释变量。这个过程会出现3种情形。 ①若新变量的引入改进了R2，且回归参数的t检验在统计上也是显著的，则该变量在模型中予以保留。;3、步骤;二、虚拟变量;二、虚拟变量; 这种“量化”通常是通过引入“虚拟变量”来完成的。根据这些因素的属性类型，构造只取“0”或“1”的人工变量，通常称为虚拟变量（dummy variables），记为D。;概念：; （二）、虚拟变量的引入;几何意义：;