3多元线性回归与最小二乘估计

3多元线性回归与最小二乘估计

ID:25114370

大小:1.36 MB

页数:12页

时间:2018-11-18

3多元线性回归与最小二乘估计_第1页
3多元线性回归与最小二乘估计_第2页
3多元线性回归与最小二乘估计_第3页
3多元线性回归与最小二乘估计_第4页
3多元线性回归与最小二乘估计_第5页
资源描述:

《3多元线性回归与最小二乘估计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、1.3多元线性回归与最小二乘估计1.假定条件、最小二乘估计量和高斯—马尔可夫定理多元线性回归模型:yt=b0+b1xt1+b2xt2+…+bk-1xtk-1+ut,(1.1)其中yt是被解释变量(因变量),xtj是解释变量(自变量),ut是随机误差项,bi,i=0,1,…,k-1是回归参数(通常未知)。对经济问题的实际意义:yt与xtj存在线性关系,xtj,j=0,1,…,k-1,是yt的重要解释变量。ut代表众多影响yt变化的微小因素。使yt的变化偏离了E(yt)=b0+b1xt1+b2xt2+…+

2、bk-1xtk-1决定的k维空间平面。当给定一个样本(yt,xt1,xt2,…,xtk-1),t=1,2,…,T时,上述模型表示为y1=b0+b1x11+b2x12+…+bk-1x1k-1+u1,经济意义:xtj是yt的重要解释变量。y2=b0+b1x21+b2x22+…+bk-1x2k-1+u2,代数意义:yt与xtj存在线性关系。………..几何意义:yt表示一个多维平面。yT=b0+b1xT1+b2xT2+…+bk-1xTk-1+uT,(1.2)此时yt与xti已知,bj与ut未知。(1.3)Y=

3、Xb+u,(1.4)为保证得到最优估计量,回归模型(1.4)应满足如下假定条件。假定⑴随机误差项ut是非自相关的,每一误差项都满足均值为零,方差s2相同且为有限值,即  E(u)=0=,Var(u)=E(')=s2I=s2假定⑵解释变量与误差项相互独立,即E(X'u)=0假定⑶解释变量之间线性无关。  rk(X'X)=rk(X)=k其中rk(×)表示矩阵的秩。假定⑷解释变量是非随机的,且当T→∞时T–1X'X→Q其中Q是一个有限值的非退化矩阵。最小二乘(OLS)法的原理是求残差(误差项的估计值)平方和

4、最小。代数上是求极值问题。12minS=(Y-X)'(Y-X)=Y'Y-'X'Y-Y'X+'X'X=Y'Y-2'X'Y+'X'X(1.5)因为Y'X是一个标量,所以有Y'X='X'Y。(1.5)的一阶条件为:=-2X'Y+2X'X=0(1.6)化简得X'Y=X'X因为(X'X)是一个非退化矩阵(见假定⑶),所以有=(X'X)-1X'Y(1.7)因为X的元素是非随机的,(X'X)-1X是一个常数矩阵,则是Y的线性组合,为线性估计量。求出,估计的回归模型写为Y=X+(1.9)其中=(…)'是b的估计值列向

5、量,=(Y-X)称为残差列向量。因为=Y-X=Y-X(X'X)-1X'Y=[I-X(X'X)-1X']Y(1.10)所以也是Y的线性组合。的期望和方差是E()=E[(X'X)-1X'Y]=E[(X'X)-1X'(Xb+u)]=b+(X'X)-1X'E(u)=b(1.11)Var()=E[(–b)(–b)']=E[(X'X)-1X'uu'X(X'X)-1]=E[(X'X)-1X's2IX(X'X)-1]=s2(X'X)-1(1.12)高斯—马尔可夫定理:若前述假定条件成立,OLS估计量是最佳线性无偏估计

6、量。具有无偏性。具有最小方差特性。具有一致性,渐近无偏性和渐近有效性。2.残差的方差s2='/(T-k)(1.13)s2是s2的无偏估计量,E(s2)=s2。的估计的方差协方差矩阵是()=s2(X'X)-1(1.14)3.多重确定系数(多重可决系数)Y=X+=+(1.15)总平方和12SST==Y'Y-T,(1.16)其中是yt的样本平均数,定义为=。回归平方和为SSR=='-T(1.17)其中的定义同上。残差平方和为SSE==='(1.18)则有如下关系存在,SST=SSR+SSE(1.19)R2=

7、(1.20)显然有0£R2£1。R2®1,拟合优度越好。4.调整的多重确定系数当解释变量的个数增加时,通常R2不下降,而是上升。为调整因自由度减小带来的损失,又定义调整的多重确定系数如下:=1-=1-(1.21)5.OLS估计量的分布若u~N(0,s2I),则每个ut都服从正态分布。于是有Y~N(Xb,s2I)(1.22)因也是u的线性组合(见公式1.7),依据(1.11)和(1.12)有~N(b,s2(X'X)-1)(1.23)6.方差分析与F检验与SST相对应,自由度T-1也被分解为两部分,(T-

8、1)=(k-1)+(T-k)(1.24)回归均方定义为MSR=,误差均方定义为MSE=表1.1方差分析表方差来源平方和自由度均方回归SSR='-T2k-1MSR=SSR/(k-1)误差SSE='T-kMSE=SSE/(T-k)总和SST=Y'Y-T2T-1H0:b1=b2=…=bk-1=0;H1:bj不全为零12F==~F(k-1,T-k)(1.25)设检验水平为a,则检验规则是,若F£Fa(k-1,T-k),接受H0;若F>Fa(k-1,T-k),拒绝

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。