第三章 多元线性回归模型 (2).pptVIP

3、有效性（最小方差性）3、有效性（最小方差性）第29页，共48页，星期日，2025年，2月5日其中利用了和3、有效性（最小方差性）第30页，共48页，星期日，2025年，2月5日4、高斯-马尔科夫定律如果多元线性回归模型满足基本假定，则最小二乘估计量是的最优线性无偏估计量（BestLinearUnbiasedEstimate,简称为BLUE），也就是说是所有线性无偏估计量中，具有最小方差性。第31页，共48页，星期日，2025年，2月5日5、样本容量问题(1)最小样本容量所谓“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。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：R(X)=k+1第32页，共48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5、样本容量问题第33页，共48页，星期日，2025年，2月5日6、多元线性回归模型的参数估计实例教材P62例3.3参看Eviews第34页，共48页，星期日，2025年，2月5日第1页，共48页，星期日，2025年，2月5日第一节模型的建立及其假定条件1、多元线性回归模型2、多元线性回归模型的基本假定第2页，共48页，星期日，2025年，2月5日1、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48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。1、多元线性回归模型第4页，共48页，星期日，2025年，2月5日总体回归模型n个随机方程的矩阵表达式为其中1、多元线性回归模型第5页，共48页，星期日，2025年，2月5日样本回归函数：用来估计总体回归函数其随机表示式: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:或其中：1、多元线性回归模型第6页，共48页，星期日，2025年，2月5日2、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7页，共48页，星期日，2025年，2月5日2、多元线性回归模型的基本假定上述假设的矩阵符号表示式：假设1，n?(k+1)矩阵X是非随机的，且X的秩?=k+1，即X满秩。假设2，第8页，共48页，星期日，2025年，2月5日假设3，E(X’?)=0，即2、多元线性回归模型的基本假定第9页，共48页，星期日，2025年，2月5日2、多元线性回归模型的基本假定假设4，向量?有一多维正态分布，即同一元回归一样，多元回归还具有如下两个重要假设：假设5，样本容量趋于无穷时，各解释变量的方差趋于有界常数，即n?∞时，或其中：Q为一非奇异固定矩阵，矩阵x是由各解释变量的离差为元素组成的n?k阶矩阵第10页，共48页，星期日，2025年，2月5日假设6，回归模型的设定是正确的。2、多元线性回归模型的基本假定第11页，共48页，星期日，2025年，2月5日第二节多元线性回归模型的估计1、参数的最小二乘估计2、离差形式的最小二乘估计量3、随机误差项?的方差?的无偏估计4、最大或然估计*5、矩估计（MomentMethod,