多元线性回归模型及其假设条件

多元线性回归模型及其假设条件

ID:14428537

大小:171.00 KB

页数:6页

时间:2018-07-28

多元线性回归模型及其假设条件_第1页
多元线性回归模型及其假设条件_第2页
多元线性回归模型及其假设条件_第3页
多元线性回归模型及其假设条件_第4页
多元线性回归模型及其假设条件_第5页
资源描述:

《多元线性回归模型及其假设条件》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、§5.1多元线性回归模型及其假设条件1.多元线性回归模型多元线性回归模型:,2.多元线性回归模型的方程组形式3.多元线性回归模型的矩阵形式4.回归模型必须满足如下的假设条件:第一、有正确的期望函数。即在线性回归模型中没有遗漏任何重要的解释变量,也没有包含任何多余的解释变量。第二、被解释变量等于期望函数与随机干扰项之和。第三、随机干扰项独立于期望函数。即回归模型中的所有解释变量与随机干扰项不相关。第四、解释变量矩阵X是非随机矩阵,且其秩为列满秩的,即:。式中k是解释变量的个数,n为观测次数。第五、随机干

2、扰项服从正态分布。第六、随机干扰项的期望值为零。第七、随机干扰项具有方差齐性。(常数)第八、随机干扰项相互独立,即无序列相关。=0§5.2多元回归模型参数的估计建立回归模型的基本任务是:求出参数的估计值,并进行统计检验。残差:;残差平方和:Q=矩阵求解:X=,,,要通过四个检验:经济意义检验、统计检验、计量经济学检验、模型预测检验。§5.4多元线性回归模型的检验一、检验1.检验定义检验又称复相关系数检验法。是通过复相关系数检验一组自变量与因变量y之间的线性相关程度的方法。复相关系数与复可决系数检验中的

3、“复”是相对于一元函数而言。复相关系数:自变量在两个以上,检验线性关系密切程度的指标,记为,通常用R表示。复可决系数:复相关系数的平方R2。在实际应用中,判别线性关系密切程度都是用R2检验,所以复可决系数R2是模型拟合优度指标,R2越接近于1,模型拟合越好。0≤R2≤1。2.复相关系数检验法的步骤1)计算复相关系数;2)根据回归模型的自由度n-m和给定的显著性水平值,查相关系数临界值表;3)判别。3.调整可决系数是一个随自变量个数增加而递增的函数,所以,当对两个具有不同自变量个数但性质相同的回归模型进

4、行比较时,不能只用作为评价回归模型优劣的标准,还必须考虑回归模型所包含的自变量个数的影响。消除了自变量个数不同的影响,可以用于不同自变量个数间模型的比较。4.检验的目的检验模型对原始数据的拟合程度,或对原始数据信息的解释程度。二、F检验1.检验目的通过F统计量检验假设是否成立的方法。回归方程的显著性检验是检验所有系数是否同时为0,2.F统计量,m-1是回归变差的自由度,n-m是剩余变差的自由度。F服从自由度为的F分布。3.回归效果不显著的原因1)影响y的因素除了一组自变量之外,还有其他不可忽略的因素。

5、2)y与一组自变量之间的关系不是线性的。3)y与一组自变量之间无关。4.解决办法分析原因另选自变量或改变模型的形式。三、t检验1.检验目的回归系数的显著性检验是检验某个系数是否为0。2.T统计量统计假设H0:;统计量:,,是矩阵的第I个对角元素。是一个自由度为n-m的t分布变量;统计检验判别:。否定假设,系数。否则,接受假设。四、DW检验1.序列相关的概念及对回归模型的影响序列相关是指数列的前后期相关。若时差为一期的序列相关,称为一节自相关。回归模型假设随机误差项之间不存在序列相关或自相关,即和互不相

6、关,。若回归模型不满足这一假设,则称回归模型存在自相关。当模型中存在序列自相关时,使用OLS方法估计参数,将产生下列严重后果:(1)估计标准误差S可能严重低估σ的真实值。(2)样本方差可能严重低估的真实值。(3)估计回归系数可能歪曲的真实值。(4)通常的F检验和t检验将不再有效。(5)根据最小二乘估计量所作的预测将无效。2.序列相关的原因(1)惯性:变量的发展趋势。(2)偏误:模型设定有误,删去了一些必要变量。(3)蛛网现象:供给对价格的反应要迟一个时期。(4)其他原因:例如,现时消费取决于前期消费。

7、3.序列相关的检验方法D—W检验法。适用条件:序列相关是一阶自回归形式。注意:第一、D—W检验不适用于随机项具有高阶序列相关的检验。第二、D—W检验有一段不能判断其正相关或负相关的范围。第三、对于利用滞后被解释变量做为解释变量的模型,该检验失效。(1)一阶自相关的数学表达式,(2)D—W检验给出了是否存在一阶自相关的结论。(3)一阶自相关系数ρ的估计值:;更常用的是:4.消除序列相关的方法(1)一阶差分法已知自相关的相关系数ρ=1,原回归模型:;。令:;;。(2)广义差分法原回归模型:;。令,,,。(

8、3)广义最小二乘法做变换得到广义差分模型。P=,,,,,。广义最小二乘估计量:,,,ρ用样本普通最小二乘残差的一阶自相关系数来估计。k是模型中估计参数个数(含常数项),T是样本容量。五、异方差1.异方差及其检验方法(1)异方差性在观察点聚图上的直观表示(对原始数据点而言)(2)异方差性的检验方法:(1)经济分析法。对数据分组,分别计算方差。(2)直观判断法。对残差而言。(3)等级相关检验法。(4)戈里瑟检验。2.消除异方差的基本方法(1)模型变换法是已知

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。