- 1、本文档共20页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
多元线性回归模型及假定
多元线性回归模型及假定
多元线性回归模型及假定
适用文案
第三章 多元线性回归模型
基本要求:
1、理解多元线性回归模型的定义
2、理解多元线性回归模型的假定
3、掌握参数预计的计算
4、理解参数统计性质
第一节 多元线性回归模型及假定
一、多元线性回归模型
很多经济现象常常要受多个要素的影响,研究被解说变量受多个解说变量的影响,就要利用多元回归模型。
多元线性回归模型与一元线性回归模型基本近似,只可是解说变量由一个增添到两个以上,被
解说变量 Y 与多个解说变量 X 1 , X 2 , , X k 之间存在线性关系。
假定被解说变量 Y 与多个解说变量 X1 , X 2 , , X k 之间拥有线性关系,是解说变量的多元线性
函数,称为多元线性回归模型。即
Y
0
1 X 1
2 X 2
k X k
(3-1)
此中 Y 为被解说变量, X j
( j
1,2,
, k ) 为 k 个解说变量,
j ( j
0,1,2,
,k ) 为 k
1个未知参数,
为随机偏差项。
被解说变量 Y 的希望值与解说变量 X 1, X 2 ,
, X k 的线性方程为:
E(Y)
0
1 X1
2 X 2
k X k
(3-2)
称为多元整体线性回归方程,简称整体回归方程。
关于 n 组观察值 Yi
, X1i , X 2i ,
, X ki (i
1,2,
, n) ,其方程组形式为:
Yi
0
1 X1i
2 X 2 i
k X ki
i ,( i
1,2,
, n)
(3-3)
即
Y1
0
1X 11
2X21
k X k11
Y2
0
1X12
2X22
k X k2
2
Yn
0
1 X 1n
2 X 2n
k X kn
n
其矩阵形式为
标准
Y 的均值的影响。
Y1
1
X 11
X 21
X
Y2
1
X12
X 22
X
=
Yn
1
X 1n
X 2n
X
适用文案
0
k1 1
1
k2 2
+
kn n
k
即
Y X β μ
(3-4)
此中
Y1
1
X 11
X
Yn 1
Y2 为被解说变量的观察值向量; X n ( k 1)
1
X12
X
Yn
1
X1n
X
0
1
1
21
22
2 n
X
X
X
k1
k2
kn
为解说变量的观察
值矩阵; β
为整体回归参数向量; μ
2
为随机偏差项向量。
( k 1) 12
n
1
n
k
整体回归方程表示为:
E( Y) X β
(3-5)
与一元线性回归剖析同样,多元线性回归剖析还是依据观察样本预计模型中的各个参数,对预计参数及回归方程进行统计查验,进而利用回归模型进行经济展望和剖析。多元线性回归模型包括
多个解说变量,多个解说变量同时对被解说变量 Y 发生作用,若要观察此中一个解说变量对 Y 的影响就一定假定其余解说变量保持不变来进行剖析。所以多元线性回归模型中的回归系数为偏回归系数,即反应了当模型中的其余变量不变时,此中一个解说变量对因变量
因为参数
0 ,
1,
2 , ,
k 都是未知的 , 能够利用样本观察值 ( X1i , X 2 i , , X ki ;Yi ) 对它们进行
预计。若计算获得的参数预计值为
?0,
?1, ?2 ,
, ?k ,用参数预计值代替整体回归函数的未知参数
0 ,
1, 2,
,
k ,则得多元线性样本回归方程:
?
?
?
?
?
(3-6)
Yi
0
1 X1i
2 X 2i
k X kn
此中
?
0,1,2,
, k) 为参数预计值,
?
1,2,
, n) 为 Yi 的样本回归值或样本拟合值、样本估
j ( j
Yi (i
计值。
其矩阵表达形式为 :
?
?
(3-7)
Y
X β
标准
适用文案
?
Y1
?
?
Y2
为 被 解 释 变 量 样 本 观 测 值 向 量 Y 的 n 1 阶 拟 合 值 列 向 量 ;
其 中 Yn 1
?
Yn
1
X11
X 21
X k1
X n ( k 1)
1
X12
X 22
X k 2
为 解 释 变 量 X 的 n (k
1)阶样本观察矩阵;
1
X 1n
X 2n
X kn
?
0
?
?
1
?
为未知参数向量
的 (k
1) 1阶预计值列向量。
β
2
?
k
样本回归方程获得的被解说变量预计值
?
与实质观察值 Yi 之间的偏差称为残差 ei 。
Yi
ei
Yi
?
?
?
X1i
?
?
(3-8)
Yi Yi (
0
1
2i
ki Xki )
二、多元线性回归模型的假定
与一元线性回归模型同样, 多元线性回归模型利用一般最小二乘法 (OLS)对参数进行预计时, 有
以下假定:
假定 1 零均值假定: E(
文档评论(0)