第四章 方差分量线性回归模型
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第四章 方差分量线性回归模型
本章考虑的线性模型不仅有固定效应、随机误差,而且有随机效应。我们先从随机效应角度理解回归概念,导出方差分量模型,然后研究模型三种主要解法。最后本章介绍关于方差分量模型的两个前沿研究成果,是作者近期在《应用数学学报》与国际数学杂志《Communications in Statistics 》上发表的。
第一节 随机效应与方差分量模型
一、随机效应回归模型
前面所介绍的回归模型不仅都是线性的,而且自变量看作是固定效应。我们从资料对
n
pi i i X X Y 1
1},,{ 出发建立回归模型,过去一直是把Y 看作随机的,X 1,…,X p 看作非随机的。但是实际上,自变量也经常是随机的,而并不是我们可以事先设计好的设计矩阵。我们把自变
量也是随机变量的回归模型称为随机效应回归模型。
究竟一个回归模型的自变量是随机的还是非随机的,要视具体情况而定。比如一般情况下消费函数可写为
)(0T X b C C -+=
(4.1.1)
这里X 是居民收入,T 是税收,C 0是生存基本消费,b 是待估系数。加上随机扰动项,就是一元线性回归模型
ε+-+=)(0T X b C C
(4.1.2)
那么自变量到底是固定效应还是随机效应?那要看你采样情况。如果你是按一定收入的家庭去调查他的消费,那是取设计矩阵,固定效应。如果你是随机抽取一些家庭,不管他收入如何都登记他的收入与消费,那就是随机效应。
对于随机效应的回归模型,我们可以从条件期望的角度推导出与最小二乘法则等价的回归函数。
我们希望通过X 预测Y ,也就是要寻找一个函数),,()(1p X X M X M Y ==,当X 的观察值为x 时,这个预测的误差平均起来应达到最小,即
22)]([min )]([X L Y E X M Y E L
-=-
(4.1.3)
这里min 是对一切X 的可测函数L(X)取极小。由于当
)|()(X Y E X M =
(4.1.4)
时,容易证明
0)]()()][([=--X L X M X M Y E
(4.1.5)
故当)|()(X Y E X M =时,
222)]()([)]([)]([X L X M E X M Y E X L Y E -+-=-
(4.1.6)
要使上式左边极小,只有取)|()()(X Y E X M X L ==。
这个结果告诉我们,预测函数取作条件期望E (Y |X )时,可使预测误差最小。我们还可以证明,此时M (X )=E (Y |X )与Y 具有最大相关,即
))(,( max ))(,(L
X L Y X M Y ρρ=
(4.1.7)
这里ρ表示相关系数。
这是因为当)|()(X Y E X M =时,易证))(),((Cov ))(,(Cov X L X M X L Y =,同时
))(),((Cov ))(,(Cov X M X M X M Y =,于是
))
(,( ))(,())(),(( )]([)]
([)()]([)]([)]([))(),((Cov )]
([)())
(,(Cov )]([)())(,(Cov ))(,(2222222
X M Y X M Y X L X M X M D X M D Y D X M D X L D X M D X L X M X L D Y D X L M X L D Y D X L Y X L Y ρρρρ≤⋅=⋅
⋅==
==
等号当且仅当
1|))(),((|=X L X M ρ
(4.1.8)
时成立,此时L (X )是M (X )的线性函数。
(4.1.3)与(4.1.7)表达了)|()(X Y E X M =的极好性质,我们称
)|()(X Y E X M Y ==
(4.1.9)
为Y 关于X 的回归曲线。
上面的L (X )可取一切函数。如果限定L (X )是X 的线性函数,即要限定
L
2110min ]|)([|=+++-m m X X Y E βββ
(4.1.10)
这里L
min 是对X 的一切线性函数取极小,则称满足上式的线性函数为Y 关于X 的回归直线。
我们可以求出m βββ,,,10 的解。记),(1'=m βββ ,则
]|)([|),(21100m m X X Y E L βββββ+++-=
)(22Y D R R b XY XX +'-'+βββ
(4.1.11)
这里
)()(110m m EX EX Y E b βββ+++-= (4.1.12)
]))([('--=EX X EX X E R XX
⎥⎥⎥⎦
⎤⎢⎢⎢⎣⎡=)(D ),(Cov ),(Cov ),(Cov ),(Cov
211211m m m m X X X X X X X X X DX (4.1.13)
),(Cov ,),,(Cov (1'=m XY X Y X Y R
(4.1.14)
对L (β0,β)求微分(矩阵微商公式
AX AX X X
2)(='∂∂
)得: ⎩⎨
⎧==XY
XX R R b β0
(4.1.15)
解得
⎪⎩⎪⎨⎧='-=-XY
XX R R X E EY 10
ˆ)(ˆˆβββ (4.1.16)
这里当然假定1
-XX R 存在,否则使用广义逆。
此时的预测误差方差是
)
(ˆ2ˆˆ ]|)ˆˆˆ([|)ˆ,ˆ(21100Y D R R X X Y E L XY XY m
m +'-'=+++-=ββββββββ
XY XX XY Y R R R 1
2
-'-=σ
(4.1.17) Y XY XX
XY XY R R
R σρ/)(2
11
-'=
(4.1.18)