多元线性回归与多元逐步回归.ppt

9.1 9.2 9.3 9.4 9.5 多元线性回归模型 拟合优度和显著性检验 多重共线性及其处理 利用回归方程进行预测 虚拟自变量的回归
统计学
STATISTICS (第三版)
学习目标
多元线性回归模型、回归方程与估计的回 归方程 回归方程的拟合优度与显著性检验 多重共线性问题及其处理 利用回归方程进行预测 虚拟自变量的回归 用Excel和SPSS进行回归分析
统 计 学
(第三版)
2019
作者 贾俊平
统计学
STATISTICS (第三版)
统计名言
上好的模型选择可遵循一个称为奥 克姆剃刀(Occam’s Razor)的基本原 理：最好的科学模型往往最简单， 且能解释所观察到的事实。
——William Navidi
9-2 2019年8月
第 9 章 多元线性回归
b1，b假定其他变量不变，当 xi 每变 动一个单位时，y 的平均变动值
9 - 10
2019年8月
统计学
STATISTICS (第三版)
估计的多元线性回归的方程
(estimated multiple linear regression equation)
9 - 11 2019年8月
9.1 多元线性回归模型 9.1.2 参数的最小二乘估计
统计学
STATISTICS (第三版)
参数的最小二乘估计
1. 使因变量的观察值与估计值之间的离差平方和 ˆ ,b ˆ ,b ˆ ,, b ˆ 。即 达到最小来求得 b 0 1 2 k
2 2 ˆ ,b ˆ ,b ˆ ,, b ˆ ) (y y ˆ Q( b ) e i i i 最小 0 1 2 k i 1 i 1 n n

Y 0 1X1 2 X2 ... k Xk u
此即为多元线性总体回归模型。
称
g(X1, X 2 ,...,X k ) 0 1 X1 2 X 2 ... k X k
为多元线性总体回归函数。
3
第3页/共53页
计量经济学模型引入随机扰动项的原因：
反映影响被解释变量的未知因素； 代表数据观测误差； 反映影响被解释变量的个体因素；
• 同时，随着样本容量增加，参数估计量具有一致性。
28
第28页/共53页
1、线性性
βˆ (XX)1 XY CY
其中,C=(X’X)-1 X’ 为一仅与X有关的矩阵。
2、无偏性
E(βˆ ) E(( XX)1 XY) E(( XX)1 X(Xβ μ )) β (XX)1 E(Xμ ) β
记残差向量为
可以表示为
^
eY X
e1
e
e2
en
此时，多元线性样本回归模型：
Yi ˆ0 ˆ1 X1i ˆ2 X 2i ˆki X ki ei
可以表示为：
Y Xβˆ e
11
第11页/共53页
由上述正规方程组
^^
^
(Yi 0 1 X1i ... k X ki) 0
得多元线性样本回归函数：
^
^
^
^
g(X1, X 2 ,...,X k ) 0 1 X1 ... k X k
^^
^
定义残差： ei Yi (0 1 X1i ... k X ki )
称 Yi ˆ0 ˆ1 X1i ˆ2 X 2i ˆki X ki ei
为多元线性样本回归模型。 5 第5页/共53页
^
j
~
c N( , c ) 2

1. 线性关系检验通过后，对各个回归系数有选择地 进行一次或多次检验
2. 究竟要对哪几个回归系数进行检验，通常需要在 建立模型之前作出决定
3. 对回归系数检验的个数进行限制，以避免犯过多 的第一类错误(弃真错误)
4. 对每一个自变量都要单独进行检验
5. 应用 t 检验统计量
模型的统计检验
我们研究的模型是：Y= 0+ 1X1+ 2X2+u 1.参数估计值的分布
（ii）计算 t 统计量
j=0
j=0，1，2
（iii）给定显著性水平 ，查自由度为n-3的t分布表， 得到临界值
t (n3) 2
（iv）判断：
t （a）若 | t | >
(n3)
2
则在1- 水平下拒绝原假设H0 ，即 j对应的变量xj是
显著的；
t （b）若 | t | <
(n3)
系数 。

（3）校正的判定系数即用自由度进行平均，用 “单位”拟合误差进行比较，从而提高了可比性。
（4）虽然非校正的判定系数总为正数，但校正 的判定系数可能为负数。
• 我们很容易可以得到 调整的R2 ，
• (1 – R2)(n – 1) / (n – k – 1), • 大部分的软件会同时给出 R2 和 调整的R2。 • 可以通过比较调整的R2 来比较两个模型（同一个
2 1 i
2 2 i 1 i 2 i2
1
2 ]
V( aˆr ) 1
x 2[
u
2
x x ( xx) 1 i
2
2 i
2 2 i1 i
2] 2 i
V( aˆr ) 2
x 2[

ˆ 0.7226 0.0003 15674 103 .172 1 ˆ β ˆ 0 . 0003 1 . 35 E 07 39648400 0 . 7770 2
x11 x x 1n x k1 x kn
假设6：回归模型是正确设定的
§3.2
多元线性回归模型的参数估计
一、普通最小二乘估计 二、参数估计量的性质 三、样本容量问题
参数估计的任务和方法
1、估计目标：回归系数βj、随机误差项方差б2 2、估计方法：OLS、ML或者MM * OLS：普通最小二乘估计 * ML：最大似然估计
E(X(Y Xβ )0
矩条件
*矩条件和矩估计量*
1、 E(X(Y Xβ ) 0 称为原总体回归方程的一组矩条件，表明了
原总体回归方程所具有的内在特征。
2、如果随机抽出原总体的一个样本，估计出的样本回归方程：
ˆ 能够近似代表总体回归方程的话，则应成立： ˆ X Y
1 ˆ)0 X (Y Xβ n
第三章
多元线性回归模型
§ 3.1 多元线性回归模型
§ 3.2 多元线性回归模型的参数估计 § 3.3 多元线性回归模型的统计检验 § 3.4 多元线性回归模型的预测 § 3.5 可线性化的多元非线性回归模型 § 3.6 受约束回归
§3.1
多元线性回归模型
一、模型形式 二、基本假定
一、模型形式
Yi 0 1 X 1i 2 X 2 i ... k X ki i 0 j X ji i
#参数估计的实例
例3.2.1：在例2.1.1的家庭收入-消费支出例中，