Outline 模型的建立及其假定条件 最小二法 最小二计量的特性 可决系 著性检验与置信区间 预测 案例分析 Chapter 3 The Multiple Linear Regression Model (第三章多元线性回归模型) 教师:席尧生 minixi@21cn.com October 11, 2004 口 教师:席尧生 Chapter3 The Multiple Linear Regression Model
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û Chapter 3 The Multiple Linear Regression Model (1nÙ õ5£8.) µR) minixi@21cn.com October 11, 2004 µR) Chapter 3 The Multiple Linear Regression Model
模型的建立及 最小二乘储计 著性检验与 模型的建立及其假定条件 模型的假定 最小二乘法 参数的最小二乘估计 离是形式的最小二来估计 最小二乘估计量的特性 无偏性 最小方差性(有效性) 可决系数 总离差平方和的分解公式 多元样本可决系数 显著性检验与置信区间 方程的呈著性检验(F检验 园归系数的显著性检验(t检验) 归系数的置信区间 预测 区间预测 案例分析 教师:席尧生
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û .ïá9Ùb½^ ÄVg .b½ ¦{ ëê¦O l/ª¦Oþ ÅØσ 2Oþ ¦OþA5 55 à 5 5£k5¤ ûXê ol²Ú©)úª õûXê wÍ5u&«m £8§wÍ5u£Fu¤ £8XêwÍ5u£tu¤ £8Xê&«m ýÿ :ýÿ «mýÿ Y~©Û µR) Chapter 3 The Multiple Linear Regression Model
模型的建立及其假 最小二乘储计 最李物会 著性检验与 多元线性回归模型的研究对象和方法 ≯在实际经济问题中一个经济变量往往要受到多个因素的影响 教师:席尧生
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û ÄVg .b½ õ5£8.ïÄéÚ{ I 3¢S²L¯K¥²LCþ ÉõÏK I ¹kü½ü±þ)ºCþõ5£8. I õ5£8.´5£8.í2 I ÄnÚÄ{5£8.aq I ´3OþE,õ µR) Chapter 3 The Multiple Linear Regression Model
模型的建立及其假 最小二乘储计 最李物会 著性检验与 多元线性回归模型的研究对象和方法 在实际经济问题中一个经济变量往往要受到多个因素的影响 含有两个或两个以上解释变量的多元线性回归模型 教师:席尧生
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û ÄVg .b½ õ5£8.ïÄéÚ{ I 3¢S²L¯K¥²LCþ ÉõÏK I ¹kü½ü±þ)ºCþõ5£8. I õ5£8.´5£8.í2 I ÄnÚÄ{5£8.aq I ´3OþE,õ µR) Chapter 3 The Multiple Linear Regression Model
模型的建立及其假 最小二乘储计 最李物会 著性检验与 多元线性回归模型的研究对象和方法 在实际经济问题中一个经济变量往往要受到多个因素的影响 含有两个或两个以上解释变量的多元线性回归模型 ≯多元线性回归模型是一元线性回归模型的推广 教师:席尧生
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û ÄVg .b½ õ5£8.ïÄéÚ{ I 3¢S²L¯K¥²LCþ ÉõÏK I ¹kü½ü±þ)ºCþõ5£8. I õ5£8.´5£8.í2 I ÄnÚÄ{5£8.aq I ´3OþE,õ µR) Chapter 3 The Multiple Linear Regression Model
模型的建立及其假 最小二乘储计 最李物会 著性检验与 多元线性回归模型的研究对象和方法 在实际经济问题中一个经济变量往往要受到多个因素的影响 含有两个或两个以上解释变量的多元线性回归模型 多元线性回归模型是一元线性回归模型的推广 基本原理和基本方法与一元线性回归模型完全类似 教师:席尧生
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û ÄVg .b½ õ5£8.ïÄéÚ{ I 3¢S²L¯K¥²LCþ ÉõÏK I ¹kü½ü±þ)ºCþõ5£8. I õ5£8.´5£8.í2 I ÄnÚÄ{5£8.aq I ´3OþE,õ µR) Chapter 3 The Multiple Linear Regression Model
模型的建立及其假 最小二乘储计 最李物会 著性检验与 多元线性回归模型的研究对象和方法 在实际经济问题中一个经济变量往往要受到多个因素的影响 含有两个或两个以上解释变量的多元线性回归模型 多元线性回归模型是一元线性回归模型的推广 基本原理和基本方法与一元线性回归模型完全类似 只是在计算上要复杂得多 教师:席尧生
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û ÄVg .b½ õ5£8.ïÄéÚ{ I 3¢S²L¯K¥²LCþ ÉõÏK I ¹kü½ü±þ)ºCþõ5£8. I õ5£8.´5£8.í2 I ÄnÚÄ{5£8.aq I ´3OþE,õ µR) Chapter 3 The Multiple Linear Regression Model
模型的建立及其假 最小二乘储计 著性检验与 多元线性回归模型的一般形式 被解释变量Y是解释变Ⅺ1,X2,……,Xk和随机误差项α的线性函数 Y=B0+B1X1+B2X2+,,+ BkXk+u 教师:席尧生
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û ÄVg .b½ õ5£8./ª I )ºCþY ´)ºCX1, X2, · · · , Xk ÚÅØu5¼ê Y = β0 + β1X1 + β2X2 + · · · + βkXk + u (1) I ¡£1¤ªõ5oN£8. I )ºCþY Ï")ºCþX1, X2, · · · , Xk5'X§ E(Y ) = β0 + β1X1 + β2X2 + · · · + βkXk (2) I ¡£2¤ªõoN5£8§§{¡oN£8§ I ŵ{yi, x1i, x2i, · · · , xki}i = 1, 2, · · · , n yi = βˆ 0 + βˆ 1x1i + βˆ 2x2i + · · · + βˆ kxki + ei (3) I £3¤ª´êâ(/ªõ5£8. yˆi = βˆ 0 + βˆ 1x1i + βˆ 2x2i + · · · + βˆ kxki (4) I £4¤ª´õ5£8§§{¡£8§ µR) Chapter 3 The Multiple Linear Regression Model
模型的建立及其假 最小二乘储计 著性检验与 多元线性回归模型的一般形式 被解释变量Y是解释变Ⅺ1,X2,……,Xk和随机误差项α的线性函数 Y=B0+B1X1+B2X2+,,+ BkXk+u 称(1)式为多元线性总体回归模型 教师:席尧生
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û ÄVg .b½ õ5£8./ª I )ºCþY ´)ºCX1, X2, · · · , Xk ÚÅØu5¼ê Y = β0 + β1X1 + β2X2 + · · · + βkXk + u (1) I ¡£1¤ªõ5oN£8. I )ºCþY Ï")ºCþX1, X2, · · · , Xk5'X§ E(Y ) = β0 + β1X1 + β2X2 + · · · + βkXk (2) I ¡£2¤ªõoN5£8§§{¡oN£8§ I ŵ{yi, x1i, x2i, · · · , xki}i = 1, 2, · · · , n yi = βˆ 0 + βˆ 1x1i + βˆ 2x2i + · · · + βˆ kxki + ei (3) I £3¤ª´êâ(/ªõ5£8. yˆi = βˆ 0 + βˆ 1x1i + βˆ 2x2i + · · · + βˆ kxki (4) I £4¤ª´õ5£8§§{¡£8§ µR) Chapter 3 The Multiple Linear Regression Model
模型的建立及其假 最小二乘储计 著性检验与 多元线性回归模型的一般形式 被解释变量Y是解释变Ⅺ1,X2,……,Xk和随机误差项α的线性函数 Y=B0+B1X1+B2X2+,,+ BkXk+u 称(1)式为多元线性总体回归模型 被解释变量Y的期望值与解释变量Ⅺ1,X2,…·,Xk线性关系的方程为 E(Y)=0+61X1+B2X2+…+BkXk 教师:席尧生
Outline .ïá9Ùb½^ ¦{ ¦OþA5 ûXê wÍ5u&«m ýÿ Y~©Û ÄVg .b½ õ5£8./ª I )ºCþY ´)ºCX1, X2, · · · , Xk ÚÅØu5¼ê Y = β0 + β1X1 + β2X2 + · · · + βkXk + u (1) I ¡£1¤ªõ5oN£8. I )ºCþY Ï")ºCþX1, X2, · · · , Xk5'X§ E(Y ) = β0 + β1X1 + β2X2 + · · · + βkXk (2) I ¡£2¤ªõoN5£8§§{¡oN£8§ I ŵ{yi, x1i, x2i, · · · , xki}i = 1, 2, · · · , n yi = βˆ 0 + βˆ 1x1i + βˆ 2x2i + · · · + βˆ kxki + ei (3) I £3¤ª´êâ(/ªõ5£8. yˆi = βˆ 0 + βˆ 1x1i + βˆ 2x2i + · · · + βˆ kxki (4) I £4¤ª´õ5£8§§{¡£8§ µR) Chapter 3 The Multiple Linear Regression Model