多元線性回歸模型多元線性回歸模型ppt課件.ppt

多元線性回歸模型多元線性回歸模型ppt課件.ppt

ID:58809297

大?。?.00 MB

頁數(shù):131頁

時間:2020-10-01

多元線性回歸模型多元線性回歸模型ppt課件.ppt_第1頁
多元線性回歸模型多元線性回歸模型ppt課件.ppt_第2頁
多元線性回歸模型多元線性回歸模型ppt課件.ppt_第3頁
多元線性回歸模型多元線性回歸模型ppt課件.ppt_第4頁
多元線性回歸模型多元線性回歸模型ppt課件.ppt_第5頁
資源描述:

《多元線性回歸模型多元線性回歸模型ppt課件.ppt》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第三章經(jīng)典單方程計量經(jīng)濟學(xué)模型:多元線性回歸模型多元線性回歸模型多元線性回歸模型的參數(shù)估計多元線性回歸模型的統(tǒng)計檢驗多元線性回歸模型的預(yù)測回歸模型的其他形式回歸模型的參數(shù)約束§3.1多元線性回歸模型一、多元線性回歸模型二、多元線性回歸模型的基本假定一、多元線性回歸模型多元線性回歸模型:表現(xiàn)在線性回歸模型中的解釋變量有多個。一般表現(xiàn)形式:i=1,2…,n其中:k為解釋變量的數(shù)目,?j稱為回歸參數(shù)(regressioncoefficient)。也被稱為總體回歸函數(shù)的隨機表達形式。它的非隨機表達式為:表示:各變量X值固定時Y的平均響應(yīng)。習(xí)慣上:把常數(shù)項看成為一虛變量的系數(shù),該虛變量的樣本觀測值始

2、終取1。于是:模型中解釋變量的數(shù)目為(k+1)總體回歸模型n個隨機方程的矩陣表達式為:其中?j也被稱為偏回歸系數(shù),表示在其他解釋變量保持不變的情況下,Xj每變化1個單位時,Y的均值E(Y)的變化;或者說?j給出了Xj的單位變化對Y均值的“直接”或“凈”(不含其他變量)影響。用來估計總體回歸函數(shù)的樣本回歸函數(shù)為:其隨機表示式:ei稱為殘差或剩余項(residuals),可看成是總體回歸函數(shù)中隨機擾動項?i的近似替代。樣本回歸函數(shù)的矩陣表達:或其中:二、多元線性回歸模型的基本假定假設(shè)1,解釋變量是非隨機的或固定的,且各X之間互不相關(guān)(無多重共線性)。假設(shè)2,隨機誤差項具有零均值、同方差及不序列

3、相關(guān)性。假設(shè)3,解釋變量與隨機項不相關(guān)假設(shè)4,隨機項滿足正態(tài)分布上述假設(shè)的矩陣符號表示式:假設(shè)1,n?(k+1)矩陣X是非隨機的,且X的秩?=k+1,即X滿秩。假設(shè)2,假設(shè)4,向量?有一多維正態(tài)分布,即同一元回歸一樣,多元回歸還具有如下兩個重要假設(shè):假設(shè)5,樣本容量趨于無窮時,各解釋變量的方差趨于有界常數(shù),即n?∞時,假設(shè)3,E(X’?)=0,即其中:Q為一非奇異固定矩陣,矩陣x是由各解釋變量的離差為元素組成的n?k階矩陣假設(shè)6,回歸模型的設(shè)定是正確的。或§3.2多元線性回歸模型的估計一、普通最小二乘估計*二、最大或然估計*三、矩估計四、參數(shù)估計量的性質(zhì)五、樣本容量問題六、估計實例說明估計

4、方法:3大類方法:OLS、ML或者MM在經(jīng)典模型中多應(yīng)用OLS在非經(jīng)典模型中多應(yīng)用ML或者MM在本節(jié)中,ML與MM為選學(xué)內(nèi)容一、普通最小二乘估計對于隨機抽取的n組觀測值如果樣本函數(shù)的參數(shù)估計值已經(jīng)得到,則有:i=1,2…n根據(jù)最小二乘原理,參數(shù)估計值應(yīng)該是右列方程組的解其中于是得到關(guān)于待估參數(shù)估計值的正規(guī)方程組:解該(k+1)個方程組成的線性代數(shù)方程組,即可得到(k+1)個待估參數(shù)的估計值$,,,,,bjj=012L。k□正規(guī)方程組的矩陣形式即由于X’X滿秩,故有將上述過程用矩陣表示如下:即求解方程組:得到:于是:例3.2.1:在例2.1.1的家庭收入-消費支出例中,可求得:于是:?正規(guī)方

5、程組的另一種寫法對于正規(guī)方程組于是或(*)或(**)是多元線性回歸模型正規(guī)方程組的另一種寫法。(*)(**)?樣本回歸函數(shù)的離差形式i=1,2…n其矩陣形式為:其中:在離差形式下,參數(shù)的最小二乘估計結(jié)果為?隨機誤差項?的方差?的無偏估計可以證明,隨機誤差項?的方差的無偏估計量為:*二、最大或然估計對于多元線性回歸模型易知Y的隨機抽取的n組樣本觀測值的聯(lián)合概率對數(shù)或然函數(shù)為對對數(shù)或然函數(shù)求極大值,也就是對求極小值。即為變量Y的或然函數(shù)因此,參數(shù)的最大或然估計為結(jié)果與參數(shù)的普通最小二乘估計相同*三、矩估計(MomentMethod,MM)OLS估計是通過得到一個關(guān)于參數(shù)估計值的正規(guī)方程組并對它

6、進行求解而完成的。該正規(guī)方程組可以從另外一種思路來導(dǎo):求期望:稱為原總體回歸方程的一組矩條件,表明了原總體回歸方程所具有的內(nèi)在特征。由此得到正規(guī)方程組解此正規(guī)方程組即得參數(shù)的MM估計量。易知MM估計量與OLS、ML估計量等價。矩方法是工具變量方法(InstrumentalVariables,IV)和廣義矩估計方法(GeneralizedMomentMethod,GMM)的基礎(chǔ)在矩方法中利用了關(guān)鍵是E(X’?)=0如果某個解釋變量與隨機項相關(guān),只要能找到1個工具變量,仍然可以構(gòu)成一組矩條件。這就是IV。如果存在>k+1個變量與隨機項不相關(guān),可以構(gòu)成一組包含>k+1方程的矩條件。這就是GMM。

7、四、參數(shù)估計量的性質(zhì)在滿足基本假設(shè)的情況下,其結(jié)構(gòu)參數(shù)?的普通最小二乘估計、最大或然估計及矩估計仍具有:線性性、無偏性、有效性。同時,隨著樣本容量增加,參數(shù)估計量具有:漸近無偏性、漸近有效性、一致性。1、線性性其中,C=(X’X)-1X’為一僅與固定的X有關(guān)的行向量2、無偏性3、有效性(最小方差性)這里利用了假設(shè):E(X’?)=0其中利用了和五、樣本容量問題所謂“最小樣本容量”,即從最小二乘原理和最大或然原理出發(fā),欲得到

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。