版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
§2.3多元線性回歸模型的參數(shù)估計(jì)
EstimationofMultipleLinearRegressionModel
一、多元線性回歸模型二、多元線性回歸模型的參數(shù)估計(jì)三、OLS參數(shù)估計(jì)量的統(tǒng)計(jì)性質(zhì)四、樣本容量問題五、多元線性回歸模型實(shí)例多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第1頁(yè)!一、多元線性回歸模型多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第2頁(yè)!1、多元線性回歸模型的形式由于:在實(shí)際經(jīng)濟(jì)問題中,一個(gè)變量往往受到多個(gè)原因變量的影響;
“從一般到簡(jiǎn)單”的建模思路。所以,線性回歸模型中的解釋變量往往有多個(gè),至少開始是這樣。這樣的模型被稱為多元線性回歸模型。多元線性回歸模型參數(shù)估計(jì)的原理與一元和二元線性回歸模型相同,只是計(jì)算更為復(fù)雜。多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第3頁(yè)!多元線性回歸模型的矩陣表達(dá)式為:其中多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第4頁(yè)!多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第5頁(yè)!多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第6頁(yè)!1、普通最小二乘估計(jì)普通最小二乘估計(jì)(i=1,2,…,n)多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第7頁(yè)!于是得到關(guān)于待估參數(shù)估計(jì)值的正規(guī)方程組:多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第8頁(yè)!多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第9頁(yè)!2、最大或然估計(jì)Y的隨機(jī)抽取的n組樣本觀測(cè)值的聯(lián)合概率
多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第10頁(yè)!三、OLS參數(shù)估計(jì)量的統(tǒng)計(jì)性質(zhì)多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第11頁(yè)!3.有效性
其中利用了根據(jù)高斯—馬爾可夫定理,上述方差在所有無(wú)偏估計(jì)量的方差中是最小的,所以普通最小二乘參數(shù)估計(jì)量具有有效性。多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第12頁(yè)!4.隨機(jī)誤差項(xiàng)方差估計(jì)量的性質(zhì)
由于被解釋變量的估計(jì)值與觀測(cè)值之間的殘差殘差的平方和為:
所以有其中符號(hào)“tr”表示矩陣的跡,其定義為矩陣主對(duì)角線元素的和。于是所以,隨機(jī)誤差項(xiàng)方差的無(wú)偏估計(jì)量為多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第13頁(yè)!四、樣本容量問題1、最小樣本容量2、滿足基本要求的樣本容量
計(jì)量經(jīng)濟(jì)學(xué)模型,說(shuō)到底是從表現(xiàn)已經(jīng)發(fā)生的經(jīng)濟(jì)活動(dòng)的樣本數(shù)據(jù)中尋找經(jīng)濟(jì)活動(dòng)中內(nèi)含的規(guī)律性,所以,它對(duì)樣本數(shù)據(jù)具有很強(qiáng)的依賴性。
多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第14頁(yè)!2、滿足基本要求的樣本容量
雖然當(dāng)n≥k+1時(shí),可以得到參數(shù)估計(jì)量,但除了參數(shù)估計(jì)量質(zhì)量不好以外,一些建立模型所必須的后續(xù)工作也無(wú)法進(jìn)行。
一般經(jīng)驗(yàn)認(rèn)為當(dāng)n330或者至少nk3+31()時(shí),才能說(shuō)滿足模型估計(jì)的基本要求。
多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第15頁(yè)!中國(guó)消費(fèi)函數(shù)模型根據(jù)消費(fèi)模型的一般形式,選擇消費(fèi)總額為被解釋變量,國(guó)內(nèi)生產(chǎn)總值和前一年的消費(fèi)總額為解釋變量,變量之間關(guān)系為簡(jiǎn)單線性關(guān)系,選取1981年至1996年統(tǒng)計(jì)數(shù)據(jù)為樣本觀測(cè)值。
多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第16頁(yè)!模型估計(jì)結(jié)果多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第17頁(yè)!
多元線性回歸模型的一般形式為:
習(xí)慣上,把常數(shù)項(xiàng)μi看成為一個(gè)虛變量的系數(shù),在參數(shù)估計(jì)過程中該虛變量的樣本觀測(cè)值始終取1。這樣:模型中解釋變量的數(shù)目為(k+1)。
i=1,2,…,n
多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第18頁(yè)!
2、多元線性回歸模型的基本假定多元線性回歸模型在滿足下列基本假設(shè)的情況下,可以采用普通最小二乘法(OLS)估計(jì)參數(shù)。關(guān)于多元線性回歸模型的基本假定多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第19頁(yè)!多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第20頁(yè)!二、多元線性回歸模型的參數(shù)估計(jì)多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第21頁(yè)!根據(jù)最小二乘原理,參數(shù)估計(jì)值應(yīng)該是下列方程組的解:
其中多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第22頁(yè)!
上述估計(jì)過程的矩陣表示:其中
從而,被解釋變量的觀測(cè)值與估計(jì)值之差的平方和為:
多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第23頁(yè)!隨機(jī)誤差項(xiàng)的均值為0,方差的估計(jì)量為:
于是,得到正規(guī)方程組:
參數(shù)的最小二乘估計(jì)值為:
多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第24頁(yè)!對(duì)數(shù)或然函數(shù)為參數(shù)的最大或然估計(jì)
結(jié)果與參數(shù)的普通最小二乘估計(jì)相同
多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第25頁(yè)!1.線性
2.無(wú)偏性
這里利用了解釋變量與隨機(jī)誤差項(xiàng)不相關(guān)的假設(shè),即多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第26頁(yè)!參數(shù)估計(jì)量的方差-協(xié)方差矩陣多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第27頁(yè)!多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第28頁(yè)!⒈
最小樣本容量最小樣本容量:是指從最小二乘原理出發(fā),欲得到參數(shù)估計(jì)量,不管其質(zhì)量如何,所要求的樣本容量的下限。樣本容量必須不少于模型中解釋變量的數(shù)目(包括常數(shù)項(xiàng)),這就是最小樣本容量:
多元線性回歸模型及參數(shù)估計(jì)共32頁(yè),您現(xiàn)在瀏覽的是第29頁(yè)!五、多元
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 陜西省榆林市榆陽(yáng)區(qū)二中2025屆高三一診考試物理試卷含解析
- 北京市西城區(qū)第三十一中學(xué)2025屆高三二診模擬考試物理試卷含解析
- 廣東省番禺區(qū)2025屆高三一診考試物理試卷含解析
- 四川涼山州2025屆高三下學(xué)期聯(lián)考物理試題含解析
- 2025屆吉林省長(zhǎng)春市九臺(tái)市第四中學(xué)高三下學(xué)期一??荚囄锢碓囶}含解析
- 廣東省普寧市華僑中學(xué)2025屆高考沖刺物理模擬試題含解析
- 2025屆北京師范大學(xué)蚌埠附屬學(xué)校高考仿真卷物理試卷含解析
- 浙江省溫州東甌中學(xué)2025屆高三考前熱身物理試卷含解析
- 云南省瀘西縣瀘源普通高級(jí)中學(xué)2025屆高三最后一模物理試題含解析
- 廣東省梅縣高級(jí)中學(xué)2025屆高考考前模擬物理試題含解析
- Unit 2 Smart Homes To Make Life Easier 閱讀課件 人教版高中英語(yǔ)選擇性必修第一冊(cè)
- 2023年重慶渝富控股集團(tuán)有限公司招聘筆試題庫(kù)及答案解析
- 中級(jí)制圖員(機(jī)械)考試復(fù)習(xí)題庫(kù)(含答案)
- 人工費(fèi)清單表格范本
- DB5111∕T 24-2022 樂山市山坪塘工程技術(shù)規(guī)范
- 光伏發(fā)電項(xiàng)目合作合同企業(yè)版電價(jià)折扣
- 真空干燥箱技術(shù)協(xié)議
- 生物組課題結(jié)題匯報(bào)課件
- 第4課藝術(shù)標(biāo)題有個(gè)性課件
- 人事檔案轉(zhuǎn)遞通知單
- 抽油煙機(jī)清洗記錄表10092
評(píng)論
0/150
提交評(píng)論