多元线性回归分析.pptVIP

第1页，共37页，星期日，2025年，2月5日§3.1多元线性回归模型一、多元线性回归模型二、多元线性回归模型的基本假定第2页，共37页，星期日，2025年，2月5日一、多元线性回归模型多元线性回归模型:表现在线性回归模型中的解释变量有多个。一般表现形式：i=1,2…,n其中:k为解释变量的数目，?j称为回归参数（regressioncoefficient）。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。这样：模型中解释变量的数目为（k+1）第3页，共37页，星期日，2025年，2月5日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:方程表示：各变量X值固定时Y的平均响应。?j也被称为偏回归系数，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。第4页，共37页，星期日，2025年，2月5日二、多元线性回归模型的基本假定假设1，解释变量是非随机的或固定的，且各X之间互不相关（无多重共线性）。假设2，随机误差项具有零均值、同方差及无序列相关性假设3，解释变量与随机项不相关假设4，随机项满足正态分布第5页，共37页，星期日，2025年，2月5日§3.2多元线性回归模型的估计估计方法：OLS一、普通最小二乘估计二、参数估计量的性质三、样本容量问题四、估计实例第6页，共37页，星期日，2025年，2月5日一、普通最小二乘估计对于随机抽取的n组观测值如果样本函数的参数估计值已经得到，则有：i=1,2…n根据最小二乘原理，参数估计值应该是下列方程组的解其中第7页，共37页，星期日，2025年，2月5日于是得到关于待估参数估计值的正规方程组：第8页，共37页，星期日，2025年，2月5日?随机误差项?的方差?的无偏估计可以证明，随机误差项?的方差的无偏估计量为第9页，共37页，星期日，2025年，2月5日四、参数估计量的性质在满足基本假设的情况下，其结构参数?的普通最小二乘估计、最大或然估计及矩估计仍具有：线性性、无偏性、有效性。同时，随着样本容量增加，参数估计量具有：渐近无偏性、渐近有效性、一致性。1、线性性其中,C=(X’X)-1X’为一仅与固定的X有关的行向量第10页，共37页，星期日，2025年，2月5日2、无偏性这里利用了假设:E(X’?)=03、有效性（最小方差性）第11页，共37页，星期日，2025年，2月5日其中利用了和第12页，共37页，星期日，2025年，2月5日五、样本容量问题所谓“最小样本容量”，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。⒈最小样本容量样本最小容量必须不少于模型中解释变量的数目（包括常数项）,即n?k+1因为，无多重共线性要求：秩(X)=k+1第13页，共37页，星期日，2025年，2月5日2、满足基本要求的样本容量从统计检验的角度：n?30时，Z检验才能应用；n-k?8时,t分布较为稳定一般经验认为:当n?30或者至少n?3(k+1)时，才能说满足模型估计的基本要求。模型的良好性质只有在大样本下才能得到理论上的证明第14页，共37页，星期日，2025年，2月5日六、多元线性回归模型的参数估计实例例3.3,投资函数模型-多元线性模型。解释变量：时间x11-16实际GNPx2被解释变量y：实际投资第15页，共37页，星期日，2025年，2月5日Eviews软件估计结果DependentVariable:YMethod:LeastSquaresDate:10/15/12Time:10:50Sample:19681983Includedobservations:16VariableCoefficientStd.Errort-StatisticProb.C-0.4864630.053836-9.0359360.0000X1-0.0165930.001819-9.1226060.0000X20.63911