计量经济学第三版-潘省初-第4章

《计量经济学第三版-潘省初-第4章》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、第四章多元线性回归模型1第一节多元线性回归模型的概念在许多实际问题中，我们所研究的因变量的变动可能不仅与一个解释变量有关。因此，有必要考虑线性模型的更一般形式，即多元线性回归模型：t=1,2,…,n在这个模型中，Y由X1、X2、X3、…XK所解释，有K+1个未知参数β0、β1、β2、…βK。这里，“斜率”βj的含义是其它变量不变的情况下，Xj改变一个单位对因变量所产生的影响。2例1：其中，Y=在食品上的总支出X=个人可支配收入P=食品价格指数用美国1959-1983年的数据，得到如下回归结果（括号中数字为标准误差）：Y和X的计量单位为10亿美元(按1972不变价格计算

2、).3多元线性回归模型中斜率系数的含义上例中斜率系数的含义说明如下：价格不变的情况下，个人可支配收入每上升10亿美元（1个billion），食品消费支出增加1.12亿元（0.112个billion）。收入不变的情况下，价格指数每上升一个点，食品消费支出减少7.39亿元（0.739个billion）4例2：其中，Ct=消费，Dt=居民可支配收入Lt=居民拥有的流动资产水平β2的含义是，在流动资产不变的情况下，可支配收入变动一个单位对消费额的影响。这是收入对消费额的直接影响。收入变动对消费额的总影响=直接影响+间接影响。（间接影响：收入影响流动资产拥有量影响消费额）但在

3、模型中这种间接影响应归因于流动资产，而不是收入，因而，β2只包括收入的直接影响。在下面的模型中：这里，β是可支配收入对消费额的总影响，显然β和β2的含义是不同的。5回到一般模型t=1,2,…，n即对于n组观测值，有6其矩阵形式为：其中7第二节多元线性回归模型的估计多元线性回归模型的估计与双变量线性模型类似，仍采用OLS法。当然，计算要复杂得多，通常要借助计算机。理论推导需借助矩阵代数。下面给出普通最小二乘法应用于多元线性回归模型的假设条件、估计结果及所得到的估计量的性质。一．假设条件（1）E(ut)=0,t=1,2,…,n（2）E(uiuj)=0,i≠j（3）E(ut

4、2)=σ2,t=1,2,…,n（4）Xjt是非随机量，j=1,2,…kt=1,2,…n8除上面4条外，在多个解释变量的情况下，还有两个条件需要满足：（5）（K+1）

5、.Rank(X)=(K+1)

6、-协方差矩阵，它是一个(K+1)×(K+1)矩阵，其主对角线上元素为各系数估计量的方差，非主对角线上元素为各系数估计量的协方差。19由上一段的(4.5)式，我们有因此20请注意，我们得到的实际上不仅是的方差，而且是一个方差-协方差矩阵，为了反映这一事实，我们用下面的符号表示之：为方便起见，我们也常用Var()表示的方差-协方差矩阵，因此上式亦可写作：需要注意的是，这里不表示方差向量，而是方差-协方差矩阵。213．2的估计与双变量线性模型相似，2的无偏估计量是分母是的自由度，这是因为我们在估计的过程中，失去了（K+1）个自由度。4．高斯-马尔科夫定理对于以及标准假设

7、条件A1－A4，普通最小二乘估计量是最佳线性无偏估计量（BLUE）22我们已在上一段中证明了无偏性，下面证明线性和最小方差性。证明的路子与双变量模型中类似，只不过这里我们采用矩阵和向量的形式。由OLS估计量的公式可知,可表示为一个矩阵和因变量观测值向量的乘积：其中是一个(K+1)*n非随机元素矩阵。因而是线性估计量。23现设为的任意一个线性无偏估计量，即其中是一个(K+1)*n非随机元素矩阵。则显然，若要为无偏估计量，即，只有，为（K+1）阶单位矩阵。24的方差为：我们可将写成从而将的任意线性无偏估计量与OLS估计量联系起来。25由可推出：即因而有由