多元线性回归模型课件.pptx

1多元線性回歸模型

2第一節多元線性回歸模型的概念在許多實際問題中，我們所研究的因變數的變動可能不僅與一個解釋變數有關。因此，有必要考慮線性模型的更一般形式，即多元線性回歸模型：t=1,2,…,n在這個模型中，Y由X1,X2,X3,…XK所解釋，有K+1個未知參數β0、β1、β2、…βK。這裏，“斜率”βj的含義是其他變數不變的情況下，Xj改變一個單位對因變數所產生的影響。

3例1：其中，Y=在食品上的總支出X=個人可支配收入P=食品價格指數用美國1959-1983年的數據，得到如下回歸結果（括弧中數字為標準誤差）：Y和X的計量單位為10億美元(按1972不變價格計算).

4多元線性回歸模型中斜率係數的含義上例中斜率係數的含義說明如下：價格不變的情況下，個人可支配收入每上升10億美元（1個billion），食品消費支出增加1.12億元（0.112個billion）。收入不變的情況下，價格指數每上升一個點，食品消費支出減少7.39億元（0.739個billion）

5例2：其中，Ct=消費，Dt=居民可支配收入Lt=居民擁有的流動資產水準β2的含義是，在流動資產不變的情況下，可支配收入變動一個單位對消費額的影響。這是收入對消費額的直接影響。收入變動對消費額的總影響=直接影響+間接影響。（間接影響：收入影響流動資產擁有量?影響消費額）但在模型中這種間接影響應歸因於流動資產，而不是收入，因而，β2只包括收入的直接影響。在下面的模型中：這裏，β是可支配收入對消費額的總影響，顯然β和β2的含義是不同的。

6回到一般模型t=1,2,…，n即對於n組觀測值，有

7其矩陣形式為：其中

8第二節多元線性回歸模型的估計多元線性回歸模型的估計與雙變數線性模型類似，仍採用最小二乘法。當然，計算要複雜得多，通常要借助電腦。理論推導需借助矩陣代數。下麵給出最小二乘法應用於多元線性回歸模型的假設條件、估計結果及所得到的估計量的性質。一．假設條件（1）E(ut)=0,t=1,2,…,n（2）E(uiuj)=0,i≠j（3）E(ut2)=σ2,t=1,2,…,n（4）Xjt是非隨機量，j=1,2,…kt=1,2,…n

9除上面4條外，在多個解釋變數的情況下，還有兩個條件需要滿足：（5）（K+1）n;即觀測值的數目要大於待估計的參數的個數（要有足夠數量的數據來擬合回歸線）。（6）各解釋變數之間不存在嚴格的線性關係。

10上述假設條件可用矩陣表示為以下四個條件：(1)E(u)=0(2)由於顯然，僅當E(uiuj)=0,i≠jE(ut2)=σ2,t=1,2,…,n這兩個條件成立時才成立，因此，此條件相當前面條件(2),(3)兩條，即各期擾動項互不相關，並具有常數方差。

11 （3）X是 是一個非隨機元素矩陣。（4）Rank(X)=