第三章 多元线性回归模型

i = 1,2, L , n
回归剩余（残差）： 回归剩余（残差）：
ˆ ei = Yi - Yi
21
二、多元线性回归模型的矩阵表示
k 1个解释变量的多元线性回归模型的 n (通常大
于k)个观测 样本， 样本，可表示为
Y1 = β1 + β2 X21 + β3 X31 + ... + βk Xk1 + u1
如收入、价格、费用、道路状况、能源、政策环境等） （如收入、价格、费用、道路状况、能源、政策环境等）
各种因素对汽车销量影响的性质怎样？（正、负） 各种因素对汽车销量影响的性质怎样？ 各种因素影响汽车销量的具体数量关系是什么？ 各种因素影响汽车销量的具体数量关系是什么？ 所得到的数量结论是否可靠？ 所得到的数量结论是否可靠？ 中国汽车行业今后的发展前景怎样？ 中国汽车行业今后的发展前景怎样？应当如何制定汽车的 产业政策？ 产业政策？ 很明显，只用一个解释变量已很难分析汽车产业的发展, 很明显，只用一个解释变量已很难分析汽车产业的发展 还需要寻求有更多个解释变量情况的回归分析方法。 还需要寻求有更多个解释变量情况的回归分析方法。下面 多元线性回归模型。 介绍——多元线性回归模型。 介绍
11
怎样分析多种因素的影响？ 怎样分析多种因素的影响？
分析中国汽车行业未来的趋势,应具体分析这样一些问题： 分析中国汽车行业未来的趋势 应具体分析这样一些问题： 应具体分析这样一些问题 中国汽车市场发展的状况如何？ 用销售量观测） 中国汽车市场发展的状况如何？（用销售量观测） 影响中国汽车销量的主要因素是什么？ 影响中国汽车销量的主要因素是什么？
假定4：随机扰动项与解释变量不相关 假定4
12
计量经济学
第三章 多元线性回归模型
13
第三章 多元线性回归模型
本章主要讨论: 本章主要讨论:
●多元线性回归模型及古典假定 ●多元线性回归模型的估计 ●多元线性回归模型的检验 ●多元线性回归模型的预测 最后， 最后，利用上述理论与方法研究一个实 例——电力消费问题。
14
第一节 多元线性回归模型及古典假定
是什么因素导致中国汽车数量的增长? 是什么因素导致中国汽车数量的增长
影响中国汽车行业发展的因素并不是单一的，经济增长、 影响中国汽车行业发展的因素并不是单一的，经济增长、 消费趋势、市场行情、业界心态、能源价格、道路发展、 消费趋势、市场行情、业界心态、能源价格、道路发展、内 外环境，都会使中国汽车行业面临机遇和挑战。 外环境，都会使中国汽车行业面临机遇和挑战。
∑x
2 i
ˆ SE ( β1 ) = σ
N ∑ xi2
OLS估计式是最佳线性无偏估计式。 估计式是最佳线性无偏估计式。 估计式是最佳线性无偏估计式
5
7、 σ 2 的无偏估计
σ2 =
^
ei2 ∑ n−2
8、对回归系数区间估计的思想和方法
ˆ ˆ ˆ ˆ P[ β 2 − tα SE ( β 2 ) ≤ β 2 ≤ β 2 + tα SE ( β 2 )] = 1 − α
24
三、多元线性回归中的基本假定
假定1 假定1：零均值假定 E(ui ) = 0 ( i =1,2,L, n) 或
E (u) = 0
假定2和假定3 假定2和假定3：同方差和无自相关假定
Cov(ui , u j ) = E[(ui -Eui )(u j -Eu j )] = E(uu j ) = i
+
∑e
2 i 2 i
∑y
r
2
=
∑ ∑
^ 2
y y
2 i
r
2
∑e = 1− ∑y
2 i 2 i
7
10、对回归系数的假设检验 、 假设检验的基本思想 对回归系数 t 检验的思想与方法
t =
*
ˆ β2 − β2 ˆ SE ( β 2 )
^
=
ˆ β2 ˆ SE ( β 2 )
^
~ t (n − 2)
用 P 值判断参数的显著性
结论:只要 不为0, 结论 只要b32不为 β 2与α 2不同 只要 进一步,u 有区别. 进一步 i与u1i有区别
18
多元线性回归模型的线性性
指对各个回归系数而言是“线性”的，对变量则 指对各个回归系数而言是“线性” 可是线性的， 可是线性的，也可是非线性的 例如： 例如：生产函数
Y = AL K u
中国经济的快速发展，使居民收入不断增加， 中国经济的快速发展，使居民收入不断增加，数以百万 计的中国人开始得以实现拥有汽车的梦想， 计的中国人开始得以实现拥有汽车的梦想，中国也成为世界 上成长最快的汽车市场。 上成长最快的汽车市场。 中国交通部副部长在中国交通可持续发展论坛上做出预 测 :“2020年，中国的民用汽车保有量将比 年 中国的民用汽车保有量将比2003年的数字 年的数字 增长６ 亿辆左右” 增长６倍，达到1.4亿辆左右”。 达到 亿辆左右
取自然对数
α
β
ln Y = ln A + α ln L + β ln K + ln u
19
多元总体回归函数
Y 的总体条件均值表示为多个解释变量的函数
E(Yi X2i , X3i ,..., Xki ) = β1 + β2 X2i + β3 X3i + ... + βk Xki
总体回归函数也可表示为: 总体回归函数也可表示为:
2 2
^
^
6
9、拟合优度：样本回归线对样本观测数据拟合 、拟合优度： 的优劣程度， 的优劣程度， 可决系数：在总变差分解基础上确定的， 可决系数：在总变差分解基础上确定的，模 型解释了的变差在总变差中的比重 可决系数的计算方法、特点与作用。 可决系数的计算方法、特点与作用。
1=
∑y ∑y
^ 2 2 i
Y2 = β1 + β2 X22 + β3 X32 + ... + βk Xk 2 + u2
M
Yn = β1 + β2 X2n + β3 X3n + ... + βk Xkn + un
22
用矩阵表示
Y 1 X21 L Xk1 β1 u1 1 Y 1 X L Xk 2 β2 u2 22 2 = + M M M M M M Yn 1 X2n L Xkn βk un
1
3、总体回归函数（PRF）：将总体被解释变量Y的条件 、总体回归函数（ ）：将总体被解释变量 均值表现为解释变量X 的某种函数
E (Yi X i ) = β1 + β 2 X i or Yi = β1 + β 2 X i + ui
样本回归函数（ ）：将被解释变量 样本回归函数（SRF）：将被解释变量Y 的样本条件均 值表示为解释变量X 的某种函数
9
被解释变量个别值区间预测的方法
ˆ m t σ 1+ 1 + ( X F − X ) YF = YF α 2 ˆ n xi2 ∑
2
12、运用 运用EViews软件对简单的线性回归模型进行 运用 软件对简单的线性回归模型进行 估计和检验
今天开始学习第三章. 今天开始学习第三章.
10
先看问题:
中国汽车的保有量会达到1.4亿辆吗 ?
∑x y ∑x
i 2 i
i
ˆ ˆ β1 = Y − β 2 X
4
OLS 估计式的分布性质
期望： 期望 方差： 方差：
ˆ E (βk ) = βk
ˆ )= σ Var ( β 2
2 2 2
N ∑ xi2
X i2 ∑
X i2 ∑
标准差： 标准差： SE ( β ) = ˆ 2
β 2是X 2 i 对Yi的影响系数 α 2是X 2 i 对Yi的影响系数
并且
X 3i = b31 + b32 X 2 i + u3i
可以证明（见参考书 附录 附录7A.5的证明 的证明) 可以证明（见参考书[1]附录 的证明
ˆ ˆ ˆ α 2 = β 2 + β 3b32 + 误差项 , E (α 2 ) = β 2 + β 3b32
本节基本内容: 本节基本内容:
一、多元线性回归模型的意义 二、多元线性回归模型的矩阵表示 三、多元线性回归中的基本假定
15
一、多元线性回归模型的意义
例如:有两个解释变量的电力消费模型 例如 有两个解释变量的电力消费模型
Yi = β1 + β2 X2 + β3 X3 + ui
其中: 为各地区电力消费量； 其中 Yi 为各地区电力消费量； 为各地区国内生产总值（ ） X 2为各地区国内生产总值（GDP）； 为各地区电力价格变动。 X 3为各地区电力价格变动。 模型中参数的意义是什么呢? 模型中参数的意义是什么呢
16
多元线性回归模型的一般形式
一般形式： 一般形式：对于有 k -1个解释变量的线性回归模型 个解释变量的线性回归模型
Yi = β1 + β 2 X 2 i + β 3 X 3i + ... + β k X ki + ui
模型中参数 β j ( j = 1,2,..., k) 是偏回归系数，样本容量 是偏回归系数， 为
8
11、对被解释变量的预测 、 被解释变量平均值预测与个别值预测的关系
ˆ ˆ ˆ Yi = β1 + β 2 X i
被解释变量平均值的点预测和区间预测的方法
( X F − X )2 ˆ ( X F − X )2 1 ˆ −t σ 1 + ˆ + [YF α 2 ˆ , YF + tα 2σ ] 2 2 n n ∑ xi ∑ xi