第5章结束
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级第3章 多元线性回归模型 多元线性回归模型与假定条件最小二乘法(OLS)最小二乘估计量的特性可决系数显著性检验与置信区间预测预测的评价指标 建模过程中应注意的问题 案例分析第3章 多元线性回归模型 3.1 多元线性回归模型与假定条件经济意义:xt j
数据其中2. 多元回归模型的假设假设2:二元回归的样本回归函数为:OLS估计量的方差和标准误2得到: 多元回归最小二乘估计量的性质例1 期望扩充菲利普斯曲线统计上不显著异于0yt=?0?1x1t?2x2t?t R2的重要性质:模型中解释变量个数的非减函数即随着解释变量个数的增加 R2几乎必然增大不减小易给人错觉:要使模型拟合得更好只要在方程中加入新的变量即可校正的判定系数定义如下:对有k个解
双对数模型——应变量和解释变量都是对数形式斜率 系数可以衡量应变量Y关于解释变量X的弹性也就是 表示当X每变动一个百分点时应变量Y的均值变动的 百分比7911——被解释变量样本观测值的 阶列向量——解释变量样本观测值的 阶矩阵——未知参数的 阶列向量——随机误差项的 阶列向量 一普通最小二乘法(OLS)2532
◆ 学习目的◆多元线性回归模型的参数估计其中Y为被解释变量 为样本容量 第一节 多元线性回归模型的 矩阵表示与基本假设记 包括对解释变量的假设对随机误差项的假设对模型设定的假设几个方面主要如下:方法 一参数的普通最小二乘估计由式(3-8)可直接求得普通最小二乘估计量为 121513101114131513121110151513121412111015121.线性性 二
第一节 多元线性回归模型及古典假定多元线性回归模型的一般形式 的总体条件均值表示为多个解释变量的函数 总体回归函数也可表示为: 二多元线性回归模型的矩阵表示 总体回归函数 或样本回归函数 或 其中:
问题的提出解析形式矩阵形式二. 参数估计(OLS)多元回归模型中的回归系数称为偏回归系数某解释变量前回归系数的含义是在其他解释变量保持不变的条件下该变量变化一个单位被解释变量将平均发生偏回归系数大小的变动一般经验认为:n ≥ 30或者n ≥ 3(k1)才能满足模型估计的基本要求n ≥ 3(k1)时t分布才稳定检验才较为有效均方和 F-检验和t-检验的关系
#
表示:各变量X值给定时Y的平均响应假设5:矩阵X的秩等于回归参数的个数(或解释变量个数加1)R(X)=k1 n>k1极值条件 ——正规方程b10 ?1的经济涵义先验符号b10? ?1x2t=b2b12x1t?2t x2t =-偏回归系数以二元回归为例复判定系数R2定义如下:是真实方差的一个无偏估计为y的样本方差注意:统计检验的前提条件检验统计量 方程的总体线性关系显著?每个解释变量
1719二OLS估计式的性质基本思想● 是随机变量必须确定其分布性质才可能进行区间估计和假设检验● 是服从正态分布的随机变量 决定了 也是服从正态分布的随机变量● 是 的线性函数决定了 也是服从正态分布的随机变量30 如果模型中增加一个解释变量可决系数往往是增大的主要是因为残差平方和会随着解释变量个数的增加而减少至少不会增加所以就会给人一种错觉:要使模型拟合的好只要增加
违法有害信息,请在下方选择原因提交举报