多元回归模型详解演示文稿.pptVIP

1、t统计量 由于 以cii表示矩阵(X’X)-1 主对角线上的第i个元素，于是参数估计量的方差为： 其中?2为随机误差项的方差，在实际计算时，用它的估计量代替: 本文档共55页；当前第31页；编辑于星期六\2点54分 因此，可构造如下t统计量 本文档共55页；当前第32页；编辑于星期六\2点54分 2、t检验 设计原假设与备择假设： H1：?i?0 给定显著性水平?，可得到临界值t?/2(n-k-1)，由样本求出统计量t的数值，通过 |t|? t?/2(n-k-1) 或 |t|?t?/2(n-k-1) 来拒绝或接受原假设H0，从而判定对应的解释变量是否应包括在模型中。 H0：?i=0 （i=1,2…k） 本文档共55页；当前第33页；编辑于星期六\2点54分 注意：一元线性回归中，t检验与F检验一致 一方面，t检验与F检验都是对相同的原假设H0：?1=0 进行检验; 另一方面，两个统计量之间有如下关系： 本文档共55页；当前第34页；编辑于星期六\2点54分 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： 给定显著性水平?=0.05，查得相应临界值： t0.025(19) =2.093。 可见，计算的所有t值都大于该临界值，所以拒绝原假设。即: 包括常数项在内的3个解释变量都在95%的水平下显著，都通过了变量显著性检验。 本文档共55页；当前第35页；编辑于星期六\2点54分 四、参数的置信区间 参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近”。 在变量的显著性检验中已经知道： 容易推出：在(1-?)的置信水平下?i的置信区间是 其中，t?/2为显著性水平为? 、自由度为n-k-1的临界值。 本文档共55页；当前第36页；编辑于星期六\2点54分 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 计算得参数的置信区间： ?0 ：(44.284, 197.116) ?1 ： (0.0937, 0.3489 ) ?2 ：(0.0951, 0.8080) 从回归计算中已得到： 本文档共55页；当前第37页；编辑于星期六\2点54分 如何才能缩小置信区间？ 增大样本容量n，因为在同样的样本容量下，n越大，t分布表中的临界值越小，同时，增大样本容量，还可使样本参数估计量的标准差减小； 提高模型的拟合优度，因为样本参数估计量的标准差与残差平方和呈正比，模型优度越高，残差平方和应越小。 提高样本观测值的分散度,一般情况下，样本观测值越分散，(X’X)-1的分母的|X’X|的值越大，致使区间缩小。 本文档共55页；当前第38页；编辑于星期六\2点54分 *§3.4 多元线性回归模型的预测 一、E(Y0)的置信区间 二、Y0的置信区间 本文档共55页；当前第39页；编辑于星期六\2点54分 多元回归模型详解演示文稿 本文档共55页；当前第1页；编辑于星期六\2点54分 （优选）多元回归模型 本文档共55页；当前第2页；编辑于星期六\2点54分 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式： i=1,2…,n 其中:k为解释变量的数目，?j称为回归参数（regression coefficient）。 习惯上：把常数项看成为一虚变量的系数，该虚变量的样本观测值始终取1。这样： 模型中解释变量的数目为（k+1） 本文档共55页；当前第3页；编辑于星期六\2点54分 也被称为总体回归函数的随机表达形式。它 的非随机表达式为: 方程表示：各变量X值固定时Y的平均响应。 ?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。 本文档共55页；当前第4页；编辑于星期六\2点54分 总体回归模型n个随机方程的矩阵表达式为 其中 本文档共55页；当前第5页；编辑于星期六\2点54分 样本回归函数：用来估计总体回归函数 其随机表示式: ei称为残差或剩余项(residuals)，可看成是总体回归函数中随机扰动项?i的近似替代。 样本回归函数的矩阵表达: 或 其中： 本文档共55页；当前第6页；