计量经济学第3章多元线性回归模型ppt课件.ppt

计量经济学第3章多元线性回归模型ppt课件.ppt

ID:58655805

大小:719.00 KB

页数:62页

时间:2020-10-05

计量经济学第3章多元线性回归模型ppt课件.ppt_第1页
计量经济学第3章多元线性回归模型ppt课件.ppt_第2页
计量经济学第3章多元线性回归模型ppt课件.ppt_第3页
计量经济学第3章多元线性回归模型ppt课件.ppt_第4页
计量经济学第3章多元线性回归模型ppt课件.ppt_第5页
资源描述:

《计量经济学第3章多元线性回归模型ppt课件.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、计量经济学—理论·方法·EViews应用郭存芝杜延军李春吉编著电子教案第三章多元线性回归模型◆学习目的理解多元线性回归模型的矩阵表示,掌握多元线性回归模型进行参数估计、检验和预测。◆基本要求1)理解多元线性回归模型的矩阵表示;2)了解多元线性回归模型的基本假设、多元线性回归模型的普通最小二乘参数估计量与样本回归线的性质、多元线性回归模型随机误差项方差的估计;3)学会对多元线性回归模型进行拟合优度检验,对多元线性回归模型的参数进行区间估计,掌握变量的显著性检验和方程的显著性检验;4)学会进行多元线性回归模型被解释变量的总体均值和个别值预测;5)学会利

2、用Eviews软件进行多元线性回归模型的参数估计、检验和预测。第三章多元线性回归模型第三章经典单方程计量经济学模型:多元线性回归模型多元线性回归模型多元线性回归模型的参数估计多元线性回归模型的统计检验多元线性回归模型的预测第一节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:i=1,2…,n其中:k为解释变量的数目,j称为回归系数(regressioncoefficient)。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:表示:各

3、变量X值固定时Y的平均响应。习惯上:把常数项(或截距项)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)总体回归模型n个随机方程的矩阵表达式为:其中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。用来估计总体回归函数的样本回归函数为: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:二、

4、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上述假设的矩阵符号表示:假设1,n(k+1)维矩阵X是非随机的,且X的秩=k+1,即X满秩。假设2,回忆线性代数中关于满秩、线性无关!对角线说明了扰动项的同方差性!对角线之外说明了扰动项的序列无关性!假设4,向量有一多维正态分布,即假设3,E(X’)=0,即假设5,回归模型的设定是正确的。第二节多元线性回归模型的 参数估计任务方法模型结构

5、参数、、、、的估计随机误差项的方差的估计普通最小二乘法一、参数的普通最小二乘估计二、参数的普通最小二乘估计量的性质三、普通最小二乘样本回归函数性质五、样本容量问题四、随机误差项的方差的普通最小二乘估计内容估计方法:3大类方法:OLS、ML(最大似然法)或者MM(矩估计法)在经典模型中多应用OLS在非经典模型中多应用ML或者MM在本节中,ML与MM为选学内容多元线性回归模型参数估计的任务:1,求结构参数的估计量2,求得随机干扰项的方差估计一、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

6、,参数估计值应该是右列方程组的解其中最小化问题的一阶条件。于是得到关于待估参数估计值的正规方程组:解该(k+1)个方程组成的线性代数方程组,即可得到(k+1)个待估参数的估计值$,,,,,bjj=012L。k□正规方程组的矩阵形式即由于X’X满秩,故有⃟正规方程组的另一种写法对于正规方程组于是或(*)或(**)是多元线性回归模型正规方程组的另一种写法。(*)(**)二、参数估计量的性质在满足基本假设的情况下,其结构参数的普通最小二乘估计具有:线性性、无偏性、有效性。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。1、线性性

7、其中,C=(X’X)-1X’为一仅与固定的X有关的行向量。可见,参数估计量是被解释变量Y的线性组合。2、无偏性等于0,因为解释变量与随机扰动项不相关。这里利用了假设:E(X’)=03、有效性(最小方差性)的方差-协方差矩阵为(3-16)其中利用了和三、普通最小二乘样本回归函数性质1.样本回归线通过样本均值点,即点(,,,,)满足。样本回归函数。3.残差和为零,即。2.被解释变量的估计的均值等于被解释变量的均值,即。4.各解释变量与残差的乘积之和为零,即。5.被解释变量的估计与残差的乘积之和为零,即。四、随机误差项的方差的普通最小二乘估计多元线性回

8、归模型的随机误差项的方差的普通最小二乘估计量为(3-18)是一个无偏估计量。容易看出,多元线性回归模型的随机误差项的方差的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。