一普通最小二乘估计或 在离差形式下参数的最小二乘估计结果为 Y的随机抽取的n组样本观测值的联合概率解此正规方程组即得参数的MM估计量 易知MM估计量与OLSML估计量等价 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其中利用了 2满足基本要求的样本容量
多元线性回归模型的矩阵表达式为:检验模型对样本观测值的拟合程度 通过构造一个可以表征拟合程度的统计量来实现问题:采用普通最小二乘估计方法已经保证了模型最好地拟合了样本观测值为什么还要检验拟合程度答案:选择合适的估计方法所保证的最好拟合是同一个问题内部的比较拟合优度检验结果所表示的优劣是不同问题之间的比较 定义TSS为总体平方和(Total Sum of Squares)反映样本观测值总体离差的大
§ 一元线性回归模型的参数估计单方程计量经济学模型分为线性模型和非线性模型两大类在线性模型中变量之间的关系呈线性关系在非线性模型中变量之间的关系呈非线性关系线性回归模型是线性模型的一种它的数学基础是回归分析即用回归分析方法建立的线性模型用以揭示经济现象中的因果关系一元线性回归模型是最简单的计量经济学模型在模型中只有一个解释变量其一般形式是: i=12…n
#
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
给定样本以外的解释变量的观测值X0=(1X10X20…Xk0)可以得到被解释变量的预测值:其中t?2为(1-?)的置信水平下的临界值可得给定(1-?)的置信水平下Y0的置信区间: 或 ()
§32 多元线性回归模型的估计 估计方法:OLS、ML或者MM一、普通最小二乘估计 *二、最大或然估计 *三、矩估计四、参数估计量的性质五、样本容量问题 六、估计实例 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 其中于是得到关于待估参数估计值的正规方程组: 正规方程组的矩阵形式即由于X’X满秩
#
违法有害信息,请在下方选择原因提交举报