多元线性回归分析 (2)

多元线性回归分析 (2)第四章多元线性回归分析第四章多元线性回归分析第一节多元线性回归模型第二节最小二乘参数估计第三节回归拟合度评价和决定系数第四节统计推断和预测第一节多元线性回归模型一、模型的建立二、多元线性回归模型的向量、矩阵表示法三、模型的假设一、模型的建立模型形式例二、多元线性回归模型的向量、矩阵表示法三、模型的假设变量和之间存在多元线性随机函数关系对任意都成立与无关当时，解释变量都是确定性的而非随机变量，而且解释变量之间不存在线性关系服从正态分布第二节最小二乘参数估计一、最小二乘法和正规方程组二、最小二乘估计的向量、矩阵形式一、...

第四章多元线性回归分析第四章多元线性回归分析第一节多元线性回归模型第二节最小二乘参数估计第三节回归拟合度评价和决定系数第四节统计推断和预测第一节多元线性回归模型一、模型的建立二、多元线性回归模型的向量、矩阵表示法三、模型的假设一、模型的建立模型形式例二、多元线性回归模型的向量、矩阵表示法三、模型的假设变量和之间存在多元线性随机函数关系对任意都成立与无关当时，解释变量都是确定性的而非随机变量，而且解释变量之间不存在线性关系服从正态分布第二节最小二乘参数估计一、最小二乘法和正规方程组二、最小二乘估计的向量、矩阵形式一、最小二乘法和正规方程组样本回归方程回归残差平方和当对的一阶偏导数都等于0，得到正规方程组那么二、最小二乘估计的向量、矩阵形式向量表示回归方程的向量表示回归残差向量残差平方和第一种方法求B第二种方法求B当对的一阶偏导数都等于0对于三变量线性回归模型最小二乘估计的性质一、线性性二、无偏性三、最小二乘估计量的方差和最小方差性一、线性性各个参数的最小二乘估计量因为是非随机取固定值的矩阵，所以B是Y的线性函数二、无偏性证明：三、最小二乘估计量的方差和最小方差性最小二乘估计量的方差三、最小二乘估计量的方差和最小方差性最小方差性：证明三、最小二乘估计量的方差和最小方差性因为所以对于三变量线性回归模型方差估计回归残差和误差方差的估计多元线性回归分析的残差序列向量表示回归残差和误差方差的估计残差平方和的数学期望误差项方差的无偏估计：残差的标准差误差方差估计对于三变量回归模型，误差方差的估计：对于有K个解释变量的多元回归模型即（K+1）变量回归模型误差方差的估计：样本容量问题⒈最小样本容量所谓“最小样本容量”，即从最小二乘原理和最大似然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。样本最小容量必须不少于模型中解释变量的数目（包括常数项）,即nk+1因为，无多重共线性要求：秩(X)=k+12、满足基本要求的样本容量从统计检验的角度：n30时，Z检验才能应用；n-k8时,t分布较为稳定一般经验认为:当n30或者至少n3(k+1)时，才能说满足模型估计的基本要求。模型的良好性质只有在大样本下才能得到理论上的证明第三节回归拟合度评价和决定系数两变量回归决定系数的公式多重可决系数：在多元回归模型中，由各个解释变量联合解释了的Y的离差，在Y的总离差中占的比重。多重可决系数可以表示为：可以证明多重可决系数是模型中解释变量个数的不减函数，这给对比不同模型的多重可决系数带来缺陷，所以需要修正。调整的可决系数思想：可决系数只涉及到离差，没有考虑自由度。如果用自由度去校正所计算的离差，可纠正解释变量个数不同引起的对比困难。调整的决定系数：总离差TSS＝自由度为n-1回归平方和ESS=自由度为k残差平方和RSS＝自由度为n-k-1所以调整的可决系数为：第四节统计推断和预测一、参数估计量的分布和标准化二、统计推断和检验三、预测一、参数估计量的分布和标准化参数估计量服从以下的正态分布：或表示为转化为标准正态分布的统计量二、统计推断和检验（一）单个参数的显著性和置信区间（二）参数的显著性检验（三）回归显著性检验（一）单个参数的显著性和置信区间给定置信度要求，下面的不等式应该成立：显著性检验：令为0，根据t统计量水平进行判断。因此参数置信度为的置信区间（或称区间估计）为：（二）模型总体显著性检验多元回归模型每个参数的显著性与模型总体的显著性并不一定一致，也就是全体解释变量总体对被解释变量是否存在明显影响的检验，称为回归显著性检验。回归显著性检验的基本方法，是检验模型常数项以外所有参数同时为0的假设。原假设：回归显著性检验方法对方程总体显著性检验需要在方差分析的基础上进行F检验。1、方差分析在讨论可决系数时已经分析了总离差TSS的分解及自由度：TSS＝ESS+RSSY的样本方差为：总离差/自由度即显然，Y的方差也可以分解为两部分，可用方差分析表分解方差分析表离差来源平方和自由度方差归于回归模型KESS/K归于残差n–K-1RSS/(n-K-1)总离差n-1TSS/(n-1)F检验原假设备选假设：不全为0建立F统计量（可以证明）：给定显著性水平，查F分布表中自由度为K和n-K-1的临界值，并通过样本观测值计算F值F检验如果计算的F值大于F的临界值，（小概率），则拒绝原假设，说明回归模型有显著意义，即所有的解释变量联合起来对Y有显著影响。如果计算的F值小于F的临界值，则接受原假设，说明回归模型没有显著意义，即所有解释变量联合起来对Y没有显著影响。可决系数的显著性检验由方差分析可以看出，F检验与可决系数有密切联系，二者都建立在对应变量离差分解的基础上。F统计量的值也可通过可决系数计算：结论：对方程联合显著性检验的F检验，实际上也是对的显著性检验。四、预测点预测区间预测t统计量四、预测置信度为的区间预测案例分析中国税收增长的分析提出问题：改革开放以来，随着经济体制改革的深化和经济的快速增长，中国的财政收支状况发生了很大变化，为了研究影响中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济模型。理论分析：影响中国税收收入增长的主要因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）社会经济的发展和社会保障等都对公共财政提出要求，公共财政的需求对当年的税收收入可能会有一定的影响。（3）物价水平。中国的税制结构以流转税为主，以现行价格计算的GDP和经营者的收入水平都与物价水平有关。（4）税收政策因素建立模型分析：以各项税收收入作为被解释变量以GDP表示经济整体增长水平以财政支出表示对公共财政的需求以商品零售价格指数表示物价水平税收政策因素较难用数量表示，就暂时不予考虑模型设定为：数据来源：中国统计年鉴其中：Y－－各项税收收入（亿元）X1－－国内生产总值（亿元）X2－－财政支出（亿元）X3－－商品零售价格指数（％）模型估计的结果：模型检验：拟合优度：可决系数较高，调整的可决系数也很高，表明模型拟合较好。（940.5953）（0.005577）（0.033236）（8.738139）t=-2.7457843.95663421.125052.744800F=2717.332df=21

                    本文档为【多元线性回归分析 (2)】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
                    图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。 
 该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。

                    [版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。

                    本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。

                    网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
                

下载需要：免费已有0 人下载

立即下载

多元线性回归分析 (2)

你可能还喜欢