多元线性回归模型1

《多元线性回归模型1》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3章多元线性回归模型多元线性回归模型与假定条件最小二乘法（OLS）最小二乘估计量的特性可决系数显著性检验与置信区间预测预测的评价指标建模过程中应注意的问题案例分析第3章多元线性回归模型3.1多元线性回归模型与假定条件经济意义：xtj是yt的重要解释变量代数意义：yt与xtj存在线性关系几何意义：yt表示一个多维平面（第2版教材第49页）（第3版教材第45页）3.1多元线性回归模型与假定条件（第2版教材第51页）（第3版教材第47页）3.2最小二乘法（OLS）（第2版教材第55页）（第3版教材第51页）3.2最小二乘法（OLS）例题3.

2、1Y：某商品需求量X1：该商品价格X2：消费者平均收入（第2版教材第60页）（第3版教材第54页）=113.83-8.36X1+0.18X2(4.0)(-3.6)(0.9)R2=0.88,F=26.4,T=103.3最小二乘（OLS）估计量的特性（第2版教材第64页）（第3版教材第58页）3.3最小二乘（OLS）估计量的特性（第2版教材第62页）（第3版教材第57页）3.4可决系数（R2）（第2版教材第73页）（第3版教材第64页）例题3.1Y：某商品需求量X1：该商品价格X2：消费者平均收入（第2版教材第63页）（第3版教材第57页）

3、（第2版教材第72页）（第3版教材第65页）3.5显著性检验与置信区间（第2版教材第74页）（第3版教材第67页）3.5显著性检验与置信区间（第2版教材第76页）（第3版教材第69页）(第2版教材75-78页)(第3版教材67-70页)Y：某商品需求量X1：该商品价格X2：消费者平均收入例题3.13.5显著性检验与置信区间(第2版教材78页)(第3版教材70页)(第2版教材78页)(第3版教材70页)回归系数的联合置信区间例题3.11的置信区间上下限：-8.362.362.292的置信区间上下限：0.182.360.20Y：

4、某商品需求量X1：该商品价格X2：消费者平均收入单个回归系数的置信区间3.6预测Y：某商品需求量X1：该商品价格X2：消费者平均收入例题3.1样本内10点与样本外1点预测(第2版教材91-98页)(第3版教材74-79页)样本外1点点预测与区间预测预测的EViews操作3.7预测的评价指标3.7预测的评价指标预测评价指标的应用例题3.13.8建模过程中应注意的问题(1)研究经济变量之间的关系要剔除物价变动因素。注意：价格指数应该用定基价格指数。(2)依照经济理论以及对具体经济问题的深入分析初步确定解释变量。例：我国粮食产量=f（耕地面

5、积、农机总动力、施用化肥量、农业人口等）。例：关于食用油消费量模型(3)当引用现成数据时，要注意数据的定义是否与所选定的变量定义相符。例：“农业人口”要区别是“从事农业劳动的人口”还是相对于城市人口的“农业人口”。(4)养成看散点图的习惯。中国移动电话用户数（亿户）序列硫酸透明度（y）与铁杂质含量（x）的关系GDP与FDI市场用煤销售量季节性数据（1982:1-1988:4）3.8建模过程中应注意的问题（5）谨慎对待离群值（outlier）(6)过原点回归模型与非过原点回归模型相比有如下不同点:①残差和等于零不一定成立。②可决系数有时会

6、得负值！R23.8建模过程中应注意的问题(8)回归模型给出估计结果后，首先应进行F检验。F检验是对模型整体回归显著性的检验。(检验一次，H0:1=2=…=k=0;H1:j不全为零。)若F检验结果能拒绝原假设，应进一步作t检验。t检验是对单个解释变量的回归显著性的检验。若回归系数估计值未通过t检验，则相应解释变量应从模型中剔除。剔除该解释变量后应重新回归。按经济理论选择的变量剔出时要慎重。(7)改变变量的测量单位可能会引起回归系数值的改变，但不会影响t值。即不会影响统计检验结果。3.8建模过程中应注意的问题(11)利用回归模型预测

7、时，解释变量的值最好不要离开样本范围太远。原因是①根据预测公式离样本平均值越远，预测误差越大。②有时，样本以外变量的关系不清楚。当样本外变量的关系与样本内变量的关系完全不同时，在样本外预测就会发生错误。(10)对于多元回归模型，当解释变量的量纲不相同时，不能在估计的回归系数之间比较大小。若要在多元回归模型中比较解释变量的相对重要性，应该用标准化变量回归。3.8建模过程中应注意的问题(13)残差项应非自相关。否则说明①仍有重要解释变量被遗漏在模型之外。②选用的模型形式不妥。(14)残差项不应有异方差。(15)避免多重共线性。(16)解释变

8、量应具有外生性，与误差项不相关。(12)回归模型的估计结果应与经济理论或常识相一致。(17)模型应具有高度概括性。若模型的各种检验及预测能力大致相同，应选择解释变量较少的一个。(18)模型的结构稳定性要强，