多元线性回归方法及其应用实例.ppt

多元线性回归方法及其应用实例.ppt

ID:56469320

大小:245.50 KB

页数:46页

时间:2020-06-19

多元线性回归方法及其应用实例.ppt_第1页
多元线性回归方法及其应用实例.ppt_第2页
多元线性回归方法及其应用实例.ppt_第3页
多元线性回归方法及其应用实例.ppt_第4页
多元线性回归方法及其应用实例.ppt_第5页
资源描述:

《多元线性回归方法及其应用实例.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、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释变量

2、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2.2OLS回归

3、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

4、为正规方程正规方程的结构Y——被解释变量观测值nx1X——解释变量观测值(含虚拟变量nx(k+1))X`X——设计矩阵(实对称(k+1)x(k+1)矩阵)X`Y——正规方程右端nx1——回归系数矩阵((k+1)x1)——高斯乘数矩阵,设计矩阵的逆——残差向量(nx1)——被解释变量的拟合(预测)向量nx15.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(X`X)-1存在

5、X`X

6、0X

7、`X为k+1阶的满秩阵R(AB)≤min(R(A),R(B))R(X)≥k+1因此,必须有n≥k+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

8、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: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:0-13.1.3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

9、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-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3.3.2F-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

10、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)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

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。