原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
多元線性回歸模型的參數估計
EstimationofMultipleLinearRegressionModel一、多元線性回歸模型1、多元線性回歸模型的形式由於：在實際經濟問題中，一個變數往往受到多個原因變數的影響；“從一般到簡單”的建模思路。所以，線上性回歸模型中的解釋變數有多個，至少開始是這樣。這樣的模型被稱為多元線性回歸模型。多元線性回歸模型參數估計的原理與一元線性回歸模型相同，只是計算更為複雜。多元線性回歸模型的一般形式為：習慣上把常數項看成為一個虛變數的係數，在參數估計過程中該虛變數的樣本觀測值始終取1。這樣：模型中解釋變數的數目為（k+1）。多元線性回歸模型的矩陣運算式為：2、多元線性回歸模型的基本假定模型(2.3.1)或(2.3.2)在滿足下述所列的基本假設的情況下，可以採用普通最小二乘法（OLS）估計參數。關於經典回歸模型的假定二、多元線性回歸模型的參數估計1、普通最小二乘估計普通最小二乘估計估計過程的矩陣表示：2、最大或然估計Y的隨機抽取的n組樣本觀測值的聯合概率對數或然函數為參數的最大或然估計結果與參數的普通最小二乘估計相同3、矩估計(MomentMethod,MM)用每個解釋變數分別乘以模型的兩邊，並對所有樣本點求和，即得到：對每個方程的兩邊求期望，有：得到一組矩條件求解這組矩條件，即得到參數估計量與OLS、ML估計量等價矩方法是工具變數方法(InstrumentalVariables,IV)和廣義矩估計方法(GeneralizedMomentMethod,GMM)的基礎在矩方法中關鍵是利用了如果某個解釋變數與隨機項相關，只要能找到1個工具變數，仍然可以構成一組矩條件。這就是IV。如果存在＞k+1個變數與隨機項不相關，可以構成一組包含＞k+1方程的矩條件。這就是GMM。4、多元回歸方程及偏回歸係數的含義稱為多元回歸方程（函數）。多元回歸分析（multipleregressionanalysis）是以多個解釋變數的固定值為條件的回歸分析，並且所獲得的是諸變數X值固定時Y的平均值。諸?i稱為偏回歸係數（partialregressioncoefficients）。偏回歸係數的含義如下：?1度量著在X2,X3,…,Xk保持不變的情況下，X1每變化1個單位時，Y的均值E(Y)的變化，或者說?1給出X1的單位變化對Y均值的“直接”或“淨”（不含其他變數）影響。其他參數的含義與之相同。三、OLS估計量的統計性質四、參數估計量的方差-協方差矩陣和隨機誤差項?2方差的估計1、一個疑問與回答疑問：在無偏性證明中將參數估計量看作隨機量，而在正規方程組的推導中又將它看作確定值。如何解釋？解釋：將一組具體樣本資料代入參數估計量的運算式給出的參數估計結果是一個“估計值”，或者“點估計”，是參數估計量的一個具體數值，是確定的；但從另一個角度，僅僅把它看成是參數估計量的一個運算式，那麼，則是被解釋變數觀測值的函數，而被解釋變數是隨機變數，所以參數估計量也是隨機變數，在這個角度上，稱之為“估計量”。2、參數估計量的方差-協方差將參數估計量看作隨機量，具有數字特徵。參數估計量的方差以及不同參數估計量之間的協方差在模型理論中具有重要性。具體描述如下：
文档评论（0）