数量经济学课件-多元线性回归分析基础.pptVIP

多元线性回归分析 第一节 模型的假定 模型 矩阵形式 其中 * 第一节 模型的假定 In为n阶单位阵 * 第二节 参数的最小二乘估计 残差向量 残差平方和 * 式*为正规方程组，包含k个方程式 * 第二节 参数的最小二乘估计 由假设条件可以证明XTX是正定的，即XTX0 则最小二乘估计： * 第三节 最小二乘估计量的性质 一、最小二乘估计的特性 1.线性特性 2.无偏性 * 第三节 最小二乘估计量的性质 3.最优性 * 第三节 最小二乘估计量的性质 * 第三节 最小二乘估计量的性质 * 第三节 最小二乘估计量的性质 * 第三节 最小二乘估计量的性质 二、误差项方差估计 即e是U的线性变换。 其中， M称为最小二乘基本等幂矩阵。 * 第三节 最小二乘估计量的性质 M的性质： （1）对称性 MT=M （2）等幂性 Mn=M （3）M与X互相独立 MX=0 * 第四节 参数估计式的分布特性与检验 一、参数估计式的分布特性 在多元线性回归分析中， 除了要进行与一元线性回归分析中类似的单个参数的检验， 还要检验多个解释变量对被解释变量Y的共同影响是否显著。 通常构造F统计量进行这些检验。 * 第四节 参数估计式的分布特性与检验 * 第四节 参数估计式的分布特性与检验 * 第四节 参数估计式的分布特性与检验 * 第四节 参数估计式的分布特性与检验 * 第四节 参数估计式的分布特性与检验 二、参数β的线性约束检验与置信区间 * 第四节 参数估计式的分布特性与检验 1.β的置信区间 当 R=Ik，可以得到β的置信区间 * 第四节 参数估计式的分布特性与检验 2.β的检验 （1）参数的整体检验问题 H0∶β2=β3=…=βk=0 H1∶存在某个βi≠0, 2≤i≤k * 第四节 参数估计式的分布特性与检验 （2）单个参数的检验问题 H0∶βi=0 H1∶βi≠0 * 第四节 参数估计式的分布特性与检验 三、相关分析 记 为复相关系数或决定系数 相关系数也可以表示为 相关系数R2有一个显著特点： 如果观察值 Yt不变， 决定系数 R2将随解释变量的数目增加而增大。 * 第四节 参数估计式的分布特性与检验 定义 为修正的决定系数 修正的决定系数比一般决定系数更准确地反映了解释变量对被解释变量的影响程度。因此在一般情况下，修正的确定系数比R2应用更广泛。 注：修正的决定系数可能为负值 * 第四节 参数估计式的分布特性与检验 四、单因素方差分析 1.单因素方差分析的模型 其中，μi为第i个水平下Yij的总体均值。eij为Yij与均值之差。σ2为Yij的方差，方差为常数。k为因素A的水平数量。ni为从第i个水平Ai中抽取的样本数量。 * 第四节 参数估计式的分布特性与检验 2.单因素方差分析的检验 H0∶μ1＝μ2＝…＝μk＝μ VS H1∶μi不全相等 * 第四节 参数估计式的分布特性与检验 定义统计量 * 第四节 参数估计式的分布特性与检验 五、方差分析、相关分析和回归分析的关系 方差分析方法也可以应用在回归分析中。 把由因素 A引起的组间离差平方和ASS换成回归平方和 ESS，把由随机因素引起的组内离差平方和 RSS换成残差平方和 RSS。 把 k 由代表水平数目换成代表参数数目。 * 第四节 参数估计式的分布特性与检验 六、用逐步引入法选择解释变量 基本思想：借助回归分析的方差分析方法， 对总变差中由新增加的解释变量所带来的增加的可解释部分的方差比进行F检验， 以决定新引入的解释变量的取舍。 见69页例2-2 *