第三章多元线性回归模型.ppt

《第三章多元线性回归模型.ppt》由会员分享，可在线阅读，更多相关《第三章多元线性回归模型.ppt（47页珍藏版）》请在麦多课文档分享上搜索。

1、第三章 多元线性回归模型,主要内容,多元线性回归模型的一般形式 参数估计（ OLS估计） 假设检验 预测,一. 多元线性回归模型,问题的提出 解析形式 矩阵形式,问题的提出,现实生活中引起被解释变量变化的因素并非仅只一个解释变量，可能有很多个解释变量。 例如，产出往往受各种投入要素资本、劳动、技术等的影响；销售额往往受价格和公司对广告费的投入的影响等。 所以在一元线性模型的基础上，提出多元线性模型解释变量个数 2,多元线性回归模型的假设,解释变量 Xi 是确定性变量，不是随机变量；解释变量之间互不相关，即无多重共线性。 随机误差项具有0均值和同方差 随机误差项不存在序列相关关系 随机误差项与解

2、释变量之间不相关 随机误差项服从0均值、同方差的正态分布,多元模型的解析表达式,多元模型的矩阵表达式,矩阵形式,二. 参数估计(OLS),参数值估计 参数估计量的性质 偏回归系数的含义 正规方程 样本容量问题,1.参数值估计(OLS),得到下列方程组,求参数估计值的实质是求一个k+1元方程组,正规方程,变成矩阵形式,正规方程,矩阵形式,最小二乘法的矩阵表示,2.1最小二乘估计量的性质,（1）线性（估计量都是被解释变量观测值的线性组合） （2）无偏性（估计量的数学期望=被估计的真值） （3）有效性（估计量的方差是所有线性无偏估计中最小的）,OLS估计量的性质（续）,线性,无偏性,有效性,2.2

3、OLS回归线的性质,完全同一元情形：,2.3 随机扰动项方差的估计,注解：k与k+1,凡是按解释变量的个数为k的，那么共有k+1个参数要估计。而按参数个数为k的，则实际有k-1个解释变量。总之两者相差1而已！要小心所用的k是什么意思！ 所以如果本来是用解释变量个数的k表示的要转换成参数个数的k则用k-1代换原来的k就可以了！,3.偏回归系数的意义,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,4.正规方程,由最小二乘法得到的用以估计回归系数的线性方程组，称为正规方程,正规方程的

4、结构,Y 被解释变量观测值 n x 1 X 解释变量观测值（含虚拟变量n x (k+1) ） XX 设计矩阵（实对称(k+1) x (k+1)矩阵 ） XY 正规方程右端 n x 1回归系数矩阵（ (k+1) x 1 ）高斯乘数矩阵， 设计矩阵的逆残差向量（ n x 1 ）被解释变量的拟合（预测）向量 n x 1,5.多元回归模型参数估计中的样本容量问题,样本是一个重要的实际问题，模型依赖于实际样本。 获取样本需要成本，企图通过样本容量的确定减轻收集数据的困难。 最小样本容量：满足基本要求的样本容量,最小样本容量 n k+1,(XX)-1存在| XX | 0 XX 为k+1阶的满秩阵 R(AB

5、) min(R(A),R(B) R(X) k+1 因此，必须有nk+1,满足基本要求的样本容量,一般经验认为： n 30或者n 3(k+1)才能满足模型估计的基本要求。 n 3(k+1)时，t分布才稳定，检验才较为有效,第三节 多元线性回归模型的检验,本节主要介绍： 3.1 拟合优度检验（判定系数及其校正） 3.2 回归参数的显著性检验（t检验） 3.3 回归方程的显著性检验（F检验） 3.4 拟合优度、t检验、F检验的关系,3.1.1 拟合优度检验 总平方和、自由度的分解,目的：构造一个不含单位，可以相互比较，而且能直观判断拟合优劣的指标。 类似于一元情形，先将多元线性回归作如下平方和分解：

6、,对以上自由度的分解的说明,3.1.2 判定系数,判定系数的定义：意义：判定系数越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。 取值范围：0-1,3.1.3 校正判定系数,为什么要校正？ 判定系数随解释变量个数的增加而增大。易造成错觉：要模型拟合得越好，就应增加解释变量。然而增加解释变量会降低自由度，减少可用的样本数。并且有时增加解释变量是不必要的。 导致解释变量个数不同模型之间对比困难。 判定系数只涉及平方和，没有考虑自由度。 校正思路：引进自由度校正所计算的平方和。,校正判定系数 （续）,3.2 回归参数的显著性检验 t检验,以下给出t

7、-检验的具体过程,3.3 回归方程的显著性检验 （F检验）,回归系数的t检验，检验了各个解释变量Xj单独对应变量Y是否显著；我们还需要检验：所有解释变量联合在一起，是否对应变量Y也显著？ 这即是下面所要进行的F-检验。,3.3.1 方差分析表,以下用表格的形式列出平方和、自由度、方差,3.3.2 F检验（单侧检验）,3.4 各种检验之间的关系,3.4.1 经济意义检验和其他检验的关系联系：判断一个回归模型是否正确，首先要看模型是否具有合理的经济意义，其次才是统计检验。,3.4.2 拟合优度和F检验的关系,（1）都是对回归方程的显著性检验； （2）都是把总平方和分解，以构成统计量进行检验； （3

8、）两者同增同减，具有一致性。,拟合优度和F检验的关系（续）,区别： （1）F检验中使用的统计量有精确的分布，而拟合优度检验没有； （2）对是否通过检验，判定系数（校正判定系数）只能给出一个模糊的推测；而F检验可以在给定显著水平下，给出统计上的严格结论；,3.4.2 F检验和t检验的关系,在一元的情形，两者是一致的，等价的。对单个解释变量显著性进行t检验，也就检验了解释变量的整体显著性（F检验）；并且可以证明：Ft2 （所以在一元情形，只需要进行一种检验） 多元中，不存在以上关系。,回归模型假设检验的步骤,查看拟合优度，进行F检验，从整体上判断回归方程是否成立，如果F检验通不过，无须进行下一步；否则进行下一步 查看各个变量的t值及其相应的概率，进行t检验，如果相应的概率小于给定的显著水平，该自变量的系数显著地不为0，该自变量对因变量作用显著；否则系数与0无显著差异（本质上=0），该自变量对因变量无显著的作用，应从方程中删去，重新估计方程。 但是，一次只能将最不显著（相应概率最大）的删除。每次删除一个，直至全部显著。,3.5多元线性回归模型的预测,举例：新股发行抑价的实证研究,