计量经济学第3章-多元线性回归模型.pptVIP

本课件的所有权属于熊义杰第三章多元线性回归模型第一节二元线性回归模型第二节一般线性回归模型第三节非线性模型回归第四节偏相关第五节方差分析第六节几种常用的F检验第六节虚拟变量模型第七节案例分析3.1.1正规方程及回归参数假定模型为同时假定不存在多重共线性（或不完全共线），即自变量虽互相影响，但相关系数不等于1样本方程为要使最小其中需使整理后得到：由方程1得：证明

3.1.2多重可决系数

在二元模型中，可决系数表示由回归平面解释的Y的总变差的百分比，如图3－1所示。

定义

因为：

3.1.3的均值与方差

均值

方差3.2.1正规方程的推广

总体方程

样本方程

根据

应有

同时依据

即可得到观测值正规方程和离差正规方程分别为：3.2.2可决系数的推广调整的可决系数：其中，是离差正规方程中系数矩阵主对角线上第j个元素的子行列式。如二元模型中3.3.1具有常弹性的曲线函数三方面的优越特性：（1）当其中任何一个自变量为0时，依变量就为0，因而常用来研究必要生产因素与产出的关系。（2）分别表示了产出变化对相应投入的弹性（系数）弹性=边际值/平均值（3）反映产出变化的规模报酬当时，Y为递增规模报酬当时，Y为不变规模报酬当时，Y为递减规模报酬其中e为自然对数的底（e=2.718）3.3.2抛物线型及其它k阶多项式3.4偏相关

再根据：在上式中根据简单相关系数与回归系数的关系，代如：即不难得到最后的结果。3.5.1单因素方差分析引例1：有一种汽油，采用不同的配比（辛烷值含量）进行燃烧值试验。假定有三种不同的配比，分别进行了5次实验，实验结果如下：问三种配比究竟有没有明显的条件差异?第一步：把Y的总变差分为两部分：在引例1中：3.5.2双因素方差分析引例2：汽油的燃烧值与辛烷值和含硫量有关。假定选择的两因素的水平为：将两种不同水平交叉分组，然后进行试验，得出结果为：第一步：先对Y的总变进行分解：平方后加总即：TSS=ASS+BSS+ESS其中：3.5.3方差分析与回归分析的比较例：以单因素方差分析为例结论（1）：在回归分析中，回归平方和就相当于方差分析的条件变差，误差平方和就相当于方差分析中的试验误差。因此，对回归分析也可进行F-检验。结论（2）：在一元线性回归中，假设检验中的F-检验等价于t-检验。证（1）证（2）3.6几种常用的F检验3.6.1由于增添新解释变量而使拟合改进的检验第一步：假定完整模型为：先对其中m个变量回归，得到：分别用表示总变差中被解释的部分和未被解释部分。第二步：在m个变量回归的基础上，引进其余的k-m个变量进行回归。同时得到相应的第三步：计算合适的F比，并进行假设检验3.6.2对由不同样本求得的系数差异性的检验（Chow检验）第一步：合并两个样本，构成一个有个观测值的新样本，对新样本回归得，(p代表合并)，自由度为第二步：分别对每个样本回归，得到各自的自由度为，记回归系数分别为第三步：计算，其自由度为（k+1）；根据散点图知，大样本的误差平方和必大于小样本的误差平方和，所以，除非两个小羊本的分布趋势完全一致（这时，合并样本的误差与两个小样本的误差之和相等），否则，绝对不会出现两个样本的误差之和大于合并样本误差的情况。因为，划小了样本只能使得估计的回归直线与观测值更贴近，估计的误差会变得更小。这实际也正是这种检验得以进行的基本原理。第四步：求F比：3.6.3当样本容量增大时，回归系数稳