第三章-多元回归模型.pptVIP

第三章多元线性回归模型多元线性回归模型的参数估计多元线性回归模型检验多元线性回归模型预测实例多元线性回归模型的参数估计多元回归基本概念多元回归模型表达多元回归的基本概念多元回归模型：在计量经济学中，将含有两个以上解释变量的回归模型多元回归分析：在多元回归模型基础上进行的回归分析多元线性回归模型：如果总体回归函数描述了一个因变量与多个解释变量之间的线性关系，由此而设定的回归模型多元回归模型的一般表达一般表达：其中为第次观测样本;为模型参数；为随机误差项模型中的回归系数又称偏回归系数，就表示当其他解释变量不变的条件下，第个解释变量的单位变动对因变量均值影响独特性质!!!!多元回归模型的矩阵表达多元线性总体回归模型的矩阵表示：它表示了总体变量间的真实关系多元线性总体回归方程矩阵表示如下：它表示了总体变量间的依存规律多元线性样本回归模型用如下矩阵表示：它表示了样本显示的变量关系多元线性样本回归方程用如下矩阵表示：它代表了样本显示的变量依存规律多元回归模型的基本假定[假设1]随机误差项的期望为零，即[假设2]不同的随机误差项之间相互独立，即[假设3]随机误差项的方差与无关，为一个常数，即即同方差假设[假设4]随机误差项与解释变量不相关，即[假设5]随机误差项为服从正态分布的随机变量，即可以推断服从正态分布，参数也服从正态分布。这为待估参数的统计推断提供了分布形式上的依据[假设6]解释变量之间不存在多重共线性，即假定各解释变量之间不存在线性关系，即不存在多重共线性以上六个假设条件合称多元线性回归模型的经典假设条件多元回归模型的估计：主要内容估计多元线性回归模型的结构参数即回归系数估计随机误差项的分布参数，由于随机误差项的均值已被假定为零，无须估计，因此我们只估计随机误差项的方差为了下一节模型检验的需要，我们还将讨论参数估计的一些性质OLS核心思想：残差平方和最小准则求解原理结论例子经过研究，发现家庭书刊消费水平受家庭收入及户主教育年数的影响。现对某地区的家庭进行抽样调查，得到的样本数据如表所示，其中表示家庭书刊消费水平（元/月），表示家庭收入（元/月），表示户主受教育年数。下面我们估计家庭书刊消费水平同家庭收入和户主受教育年数之间的线性关系OLS估计量的性质性质1：线性特性。即参数估计量既是因变量观测值的线性组合，也是随机误差项的线性组合性质2：无偏性。参数估计量的均值等于总体参数，即性质3：最小方差性。参数向量的最小二乘估计是的所有线性无偏估计量中方差最小的估计量性质4：参数的最小二乘估计量服从正态分布随机误差项方差的估计意义：参数估计量的方差或标准差是衡量参数估计量偏离真实参数的重要指标，据此可以推断参数估计量的可靠性公式：回归标准误差：一般地，称为残差的方差，为估计标准误差，或回归方程的标准误差，即根据样本资料计算的，用来反映被解释变量的实际值与估计值的平均误差程度的指标。越大，回归直线的精度越低，越小，回归直线的精度越高。当时，表示所有样本点都落在回归直线上多元线性回归模型的检验拟合优度检验偏相关系数回归模型的总体显著性检验：F检验回归参数的显著性检验：t检验模型的结构稳定性检验：Chow检验拟合优度检验：多重决定系数在的总变差中能由解释变量所解释的那部分变差的比重，即回归平方和与总离差平方和的比值，这一比值称为多重决