第7章 多元回归分析.ppt_第1页
第7章 多元回归分析.ppt_第2页
第7章 多元回归分析.ppt_第3页
第7章 多元回归分析.ppt_第4页
第7章 多元回归分析.ppt_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、第7章多元回归分析：估计，7.1符号和假设，三个变量的总回归函数：其中和称为偏回归系数假设： (1)干扰项0均值(2)干扰项没有序列相关性(3)干扰项与自变量没有相关性(自变量不是随机的)(4)自变量之间没有精确的线性关系(没有多重共线性)7.2多元回归方程的解释， 给定自变量的固定值作为Y的条件均值，7.3偏回归系数，且偏回归系数的含义类似于多元微分中的偏微分：假设X3是常数(常数)，Y对X2的导数或X2对Y的“净”影响如何获得X2对Y的净影响，关键是消除X3 (1)Y对X3回归的影响， 残差表示y中X3无法解释的部分(残差与X3无关，但与y有关)； (2)X2回归X3，其残差表示X2中X3

2、无法解释的部分(残差与X3无关，但与X2有关)；(3)(1)残差回归到(2)，其系数是X2对y的偏相关系数，以及OLS和最大似然估计的偏回归系数为7.4。OLS系数估计：类似于二元模型系数方差扰动项的方差估计，OLS估计的性质如下：1 .回归线经过均值点2，估计均值等于样本均值3，残差均值等于0.4，残差独立于回归元素5，残差独立于因变量6的估计值，其他条件不变(扰动项方差)，自变量之间的相关系数越大，回归系数7的方差越大。对于给定的两个自变量之间的相关系数，扰动项和回归系数的方差越大。OLS是经典假设下的无偏线性最小方差估计量，极大似然估计量，1。最大似然估计与经典假设下的OLS估计相同，2

3、 .最大似然估计的扰动项方差的估计量是，而OLS估计量是，多元回归的7.5 R-2，综述：TSS=(总偏差的平方和)实际值与平均值的偏差ESS=(解释的平方和)估计值与平均值的偏差RSS=(残差的平方和)估计值与实际值的偏差，7.6婴儿死亡率与前列腺癌和前列腺癌复发率之间的关系，回归结果，7.7从多元回归的角度看的简单回归，模型设置的偏差：它应该是多元回归，但模型或者相反(缺失变量或冗余变量)，7.8 R-2和调整后的R-2，回归方程中包含的回归元素越多，方程的估计R-2就越大，但是太多的变量会使模型失去其(预测的)意义。1.比较的前提是两个方程的因变量相同，y和LnY回归方程的R-2不能直接

4、比较。2.如果因变量不同，但需要比较，(1)根据估计方程计算因变量(本身)的估计值。(2)重新计算R-2(根据R-2的计算公式使用该估计值)例7.2人均咖啡消费量与价格之间的关系，Y的预测值(YF)系列es系列es=(YF-均值(Y)2ts=(Y-均值(Y)2标量TSS ess=和(es) TSS=和(ts)标量R2 R2=ess/Tss R-2=0.68688略大于线性模型的R-2，并且R-2在回归元素中的分布问题：每个回归元素对R2的贡献。结论：没有明确的方法，你需要最大化R2吗？问题：r-2越大或调整后的r-2越好，结论：系数的显著性和经济意义的正确性比R-2更重要，7.9柯布道格拉斯生产函数，1，1，产出对劳动的弹性2，2，资本对劳动的弹性3，

人人文库> 全部分类> 应用文书 > 研究报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论