经典单方程计量经济学模型：多元回归.pptVIP

§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

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：

Yi01X1i2X2ikXkiii=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。于是：

模型中解释变量的数目为（k+1）

Yi01X1i2X2ikXkii

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:

E(Yi|X1i,X2i,Xki)01X1i2X2ikXki

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。

其中YXβμ

总体回归模型n个随机方程的矩阵表达式为:

1X11X21Xk1



1XXX

X1222k2





1X1nX2nXknn(k1)



01



1

2

β2μ





n

k(k1)1n1

用来估计总体回归函数的样本回归函数为：

ˆˆˆˆˆ

Yi01X1i2X2ikiXki

其随机表示式:ˆˆˆˆ

Yi01X1i2X2ikiXkiei

ei称为残差或剩余项(residuals)，可看成是

总体回归函数中随机扰动项i的近似替代。

样本回归函数的矩阵表达:

YˆXβˆ或YXβˆe

ˆe1

其中：0

ˆe

ˆ12

βe



ˆ

ken

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、同方差及不

序列相关性。

iji,j1,2,,n

E(i)0

22

Var(i)E(i)

Cov(i,j)E(ij)0

假设3，解释变量与随机项不相关

Cov(Xji,i)0j1,2,k

假设4，随机项满足正态分布

2