多元线性回归模型.pptVIP

估计值为正，失业率与通胀率同方向？例1“期望扩充”菲利普斯曲线估计结果原始菲利普斯曲线期望扩充菲利普斯曲线符号正确，统计显著。统计上不显著异于0设定偏误b10??1?E(b10)=?1+?2b12b10不仅度量了x1对y的净影响，还包括了x1对x2的影响而间接对y产生的影响?1=-1.392472B10≠?1？设定偏误初探yt=b0+b10x1t+?1tyt=?0+?1x1t+?2x2t+?tb10=0.244934x2t=b2+b12x1t+?2tx2t=-0.725280+1.113857x1tb12=1.113857yx1x2?1?2b12偏回归系数yt=?0+?1x1t+?2x2t+?t偏回归系数表示了其他因素不变时，相应解释变量对因变量的“净影响”。?1反映了x2不变的条件下，x1对y的净影响偏回归系数：控制第三变量多元回归与一元回归的区别：为什么要作多元回归课堂练习1假设要求你建立一个计量经济模型来说明在学校跑道上慢跑一英里以上的人数，以便决定是否修建第二条跑道以满足所有的锻炼者。你通过整个学年收集数据，得到两个可能的方程：其中：y:某天慢跑者的人数，x1:该天降雨量，x2:该天日照的小时数，x3:该天的最高温度，x4:第二天需交学期论文的班级数。问：这两个方程你认为哪个更合理，为什么？为什么用相同的数据去估计相同变量的系数?2能得到不同的符号？3.复判定系数R201以二元回归为例，复判定系数R2定义如下：添加标题02ESS添加标题03RSS添加标题04TSS添加标题050?R2?1，R2=1时，所拟合的回归线100%地解释y的变异。添加标题随着参数估计量的方差增大，要知道偏回归系数的真值所在，将变得越来越困难。这个例子说明，如果需要一个二元回归，就不要用简单一元回归，否则会带来由偏误的估计。因为只要?3b32不为0，b12就是?2的一个有偏估计。而且从标准误来看，b12的标准误比?2的标准误大的多。在一元回归模型中，我们用r2来反映回归方程拟合优度，它反映了在因变量y的总变异中，能由解释变量x解释的百分比。在多元回归模型总，我们也可以定义一个复判定系数。一元回归分析中，我们介绍了区间估计和假设检验。这种思想可以延伸到多元回归模型中来。而一旦我们涉及到多元回归模型，假设检验就会以多种形式出现：第三章多元线性回归模型多元线性回归模型及其基本假设多元线性回归模型的估计问题经典假设满足时的推断问题一、多元线性回归模型及其基本假设Leslie土地价格例：1968年加州某市想从Leslie公司征一块地建公园，为了确定一个公平的市场价格，希望做一个回归分析，以便了解有哪些因素影响这些土地的价值。变量如下：Price:千美元/亩County:土地所处地区，0-SanMateo,1-SantaClaraSize:土地的规模，亩Elevation：海拔高度，英尺Sewer:据最近排水系统的距离，英尺Date:交易日期，从现在起倒数，月Flood:潮汐是否造成洪水，1-是，0-否Distance:到Leslie公司的距离，英里（距公司越远，到洛杉矶越近）数据04其中:k为解释变量的数目，?j，j=1,2,…k称为偏回归系数。添加标题03i=1,2…,n添加标题02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：添加标题01多元线性回归模型添加标题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:03表示：各变量X值给定时Y的平均响应。添加标题习惯上：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。于是：模型中解释变量的数目为（k+1）01添加标题02添加标题总体回归模型n个随机方程的矩阵表达式为:?j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。其中用来估计总体回归函数的样本回归函数为：样本观测值:ei称为残差(residuals)，可看成是对总体回归函数中随机扰动项?i的估计。样本回归函数的矩阵表达:或其中：2.多元回归模型的假设假设1：x1，x2，…xk是非随机的。假设2：E(?i)=0i=1,2,…n假设3：Var(?i)=?2(E(?i?i)=?2)假设4：无序列相关，E(?i?j)=0假设5：x诸变量间