八、多元回归分析.ppt

多元回归多元回归多元回归多元回归 多元线性回归模型多元线性回归模型 多元线性回归模型的参数估计多元线性回归模型的参数估计多元线性回归模型的统计检验多元线性回归模型的统计检验多元线性回归模型的预测多元线性回归模型的预测回归模型的其他形式回归模型的其他形式多元线性回归模型多元线性回归模型 一、一、多元线性回归模型多元线性回归模型 二、二、多元线性回归模型的基本假定多元线性回归模型的基本假定 一、多元线性回归模型一、多元线性回归模型 多元线性回归模型多元线性回归模型:表现在线性回归模型中的解释变量有多个。一般表现形式一般表现形式：i=1,2,n其中:k为解释变量的数目，j称为回归参数回归参数（regression coefficient）。习习惯惯上上：把常常数数项项看成为一虚虚变变量量的系数，该虚变量的样本观测值始终取1。这样：模型中解释变量的数目为（模型中解释变量的数目为（k+1+1）也也被被称称为为总总体体回回归归函函数数的的随随机机表表达达形形式式。它它 的的非随机表达式非随机表达式为为:方程表示：方程表示：各变量各变量X X值固定时值固定时Y Y的平均响应的平均响应。j也也被被称称为为偏偏回回归归系系数数，表表示示在在其其他他解解释释变变量量保保持持不不变变的的情情况况下下，Xj每每变变化化1个个单单位位时时，Y的的均值均值E(Y)的变化的变化;或或者者说说j给给出出了了Xj的的单单位位变变化化对对Y均均值值的的“直直接接”或或“净净”（不含其他变量）影响。（不含其他变量）影响。总体回归模型总体回归模型n个随机方程的个随机方程的矩阵表达式矩阵表达式为为 其中其中样本回归函数样本回归函数：用来估计总体回归函数：用来估计总体回归函数其其随机表示式随机表示式:ei称为称为残差残差或或剩余项剩余项(residuals)，可看成是总，可看成是总体回归函数中随机扰动项体回归函数中随机扰动项 i的近似替代。的近似替代。样本回归函数样本回归函数的的矩阵表达矩阵表达:或或其中：其中：二、多元线性回归模型的基本假定二、多元线性回归模型的基本假定 假设1，解释变量是非随机的或固定的，且各X之间互不相关（无多重共线性）。假设2，随机误差项具有零均值、同方差及不序列相关性 假设3，解释变量与随机项不相关 假设4，随机项满足正态分布 上述假设的上述假设的矩阵符号表示矩阵符号表示 式：式：假设1，n(k+1)矩阵X是非随机的，且X的秩=k+1，即X满秩。假设2，假设3，E(X)=0，即 假设4，向量 有一多维正态分布，即 同一元回归一样，多元回归还具有如下两个重要假设：同一元回归一样，多元回归还具有如下两个重要假设：假设5，样本容量趋于无穷时，各解释变量的方差趋于有界常数，即n时，或 其中：Q为一非奇异固定矩阵，矩阵x是由各解释变量的离差为元素组成的nk阶矩阵 假设6，回归模型的设定是正确的。多元线性回归模型的估计多元线性回归模型的估计 估计方法：OLS、ML或者MM一、普通最小二乘估计一、普通最小二乘估计 *二、最大或然估计二、最大或然估计 *三、矩估计三、矩估计 四、参数估计量的性质四、参数估计量的性质 五、样本容量问题五、样本容量问题 六、估计实例六、估计实例 一、普通最小二乘估计一、普通最小二乘估计对于随机抽取的n组观测值如果样本函数样本函数的参数估计值已经得到，则有：i=1,2n根据最小二乘原理最小二乘原理，参数估计值应该是下列方程组的解 其中于是得到关于待估参数估计值的正规方程组正规方程组：正规方程组正规方程组的矩阵形式矩阵形式即由于XX满秩，故有 样本回归函数的离差形式样本回归函数的离差形式i=1,2n其矩阵形式矩阵形式为 其中：在离差形式下，参数的最小二乘估计结果为 随机误差项随机误差项 的方差的方差 的无偏估计的无偏估计 可以证明，随机误差项的方差的无偏估计量为 *二、最大或然估计二、最大或然估计 对于多元线性回归模型易知 Y的随机抽取的n组样本观测值的联合概率即为变量Y的或然函数或然函数 对数或然函数为对对数或然函数求极大值，也就是对 求极小值。因此，参数的最大或然估计最大或然估计为为结果与参数的普通最小二乘估计相同结果与参数的普通最小二乘估计相同*三、矩估计三、矩估计（Moment Method,MM）OLS估计是通过得到一个关于参数估计值的正正规方程组规方程组并对它进行求解而完成的。该该正规方程组正规方程组 可以从另外一种思路来导:求期望:称为原总体回归方程的一组矩条件矩条件，表明了原总体回归方程所具有的内在特征。由此得到正规方程组正规方程组 解此正规方程组即得参数的MM估计量。易知MM估计量与与OLS、ML估计量等价。矩方法矩方法是是工具变量方法工具变量方法(Instrumental Variables,IV)和和广义矩估计方法广义矩估计方法(Generalized Moment Method,GMM)的基础的基础 在在矩方法矩方法中关键是利用了中关键是利用了 E(X)=0 如果某个解释变量与随机项相关，只要能找到1个工具变量，仍然可以构成一组矩条件。这就是IV。如果存在k+1个变量与随机项不相关，可以构成一组包含k+1方程的矩条件。这就是GMM。*四、参数估计量的性质四、参数估计量的性质 在满足基本假设的情况下，其结构参数 的普通最小二乘估计、最大或然估计最大或然估计及矩估计矩估计仍具有：线性性线性性、无偏性无偏性、有效性有效性。同时，随着样本容量增加，参数估计量具有：渐近无偏性、渐近有效性、一致性渐近无偏性、渐近有效性、一致性。1、线性性、线性性 其中,C=(XX)-1 X 为一仅与固定的X有关的行向量 2、无偏性、无偏性 这里利用了假设:E(X)=0 3、有效性（最小方差性）、有效性（最小方差性）其中利用了 和 五、样本容量问题五、样本容量问题 所谓“最小样本容量最小样本容量”，即从最小二乘原理和最大或然原理出发，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。最小样本容量最小样本容量 样本最小容量必须不少于模型中解释变量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）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+1 2 2、满足基本要求的样本容量、满足基本要求的样本容量 从统计检验的角度从统计检验的角度：n30 时，Z检验才能应用；n-k8时,t分布较为稳定 一般经验认为一般经验认为:当n30或者至少n3(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模型的良好性质只有在大样本下才能得到理论上的证明得到理论上的证明多元线性回归模型的统计检验多元线性回归模型的统计检验 一、拟合优度检验一、拟合优度检验 二、方程的显著性检验二、方程的显著性检验(F(F检验检验)三、变量的显著性检验（三、变量的显著性检验（t t检验）检验）四、参数的置信区间四、参数的置信区间 一、拟合优度检验一、拟合优度检验 1、可决系数与调整的可决系数、可决系数与调整的可决系数则 总离差平方和的分解总离差平方和的分解由于=0所以有：注意：注意：一个有趣的现象一个有趣的现象 可决系数可决系数该统计量越接近于1，模型的拟合优度越高。问题：问题：在应用过程中发现，如果在模型中增加一个解释变量，R2往往增大（Why?)这就给人一个错觉一个错觉：要使得模型拟合得好，只要使得模型拟合得好，只要增加解释变量即可要增加解释变量即可。但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整需调整。调整的可决系数调整的可决系数（adjusted coefficient of determination）在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是:将残差平方将残差平方和与总离差平方和分别除以各自的自由度，以剔和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响除变量个数对拟合优度的影响:其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。*2、赤池信息准则和施瓦茨准则、赤池信息准则和施瓦茨准则 为了比较所含解释变量个数不同的多元回归模型的拟合优度，常用的标准还有:赤池信息准则赤池信息准则（Akaike information criterion,AIC）施瓦茨准则施瓦茨准则（Schwarz criterion，SC）这两准则均要求这两准则均要求仅当所增加的解释变量能够减少仅当所增加的解释变量能够减少AICAIC值或值或ACAC值时才在原模型中增加该解释变量值时才在原模型中增加该解释变量。二、方程的显著性检验二、方程的显著性检验(F检验检验)方程的显著性检验，旨在对模型中被解释变方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系量与解释变量之间的线性关系在总体上在总体上是否显著是否显著成立作出推断。成立作出推断。1、方程显著性的、方程显著性的F检验检验 即检验模型 Yi=0+1X1i+2X2i+kXki+i i=1,2,n中的参数j是否显著不为0。可提出如下原假设与备择假设：H0：0=1=2=k=0 H1：j不全为0 F F检验的思想检验的思想来自于总离差平方和的分解式：TSS=ESS+RSS 如果这个比值较大，则X的联合体对Y的解释程度高，可认为总体存在线性关系，反之总体上可能不存在线性关系。因此因此,可通过该比值的大小对总体线性关系进行推可通过该比值的大小对总体线性关系进行推断断。根据数理统计学中的知识，在原假设H0成立的条件下，统计量 服从自由度为(k,n-k-1)的F分布 给定显著性水平，可得到临界值F(k,n-k-1)，由样本求出统计量F的数值，通过 F F(k,n-k-1)或 FF(k,n-k-1)来拒绝或接受原假设H0，以判定原方程总体上总体上的线性关系是否显著成立。2、关于拟合优度检验与方程显著性检关于拟合优度检验与方程显著性检验关系的讨论验关系的讨论 由可推出：与或在在中国居民人均收入中国居民人均收入-消费消费一元模型一元模型中，中，在在中国居民人均收入中国居民人均收入-消费消费二元模型二元模型中中，三、变量的显著性检验（三、变量的显著性检验（t检验）检验）方程的总体线性总体线性关系显著 每个解释变量每个解释变量对被解释变量的影响都是显著的 因此，必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。这一检验是由对变量的这一检验是由对变量的 t t 检验完成的。检验完成的。1、t统计量统计量 由于 以cii表示矩阵(XX)-1 主对角线上的第i个元素，于是参数估计量的方差为：其中2为随机误差项的方差，在实际计算时，用它的估计量代替:因此，可构造如下t统计量 2、t检验检验 设计原假设与备择假设：H1：i0 给定显著性水平，可得到临界值t/2(n-k-1)，由样本求出统计量t的数值，通过|t|t/2(n-k-1)或|t|t/2(n-k-1)来拒绝或接受原假设H0，从而判定对应的解释变判定对应的解释变量是否应包括在模型中。量是否应包括在模型中。H0：i=0 （i=1,2k）注意：注意：一元线性回归中，一元线性回归中，t t检验与检验与F F检验一致检验一致 一方面一方面，t检验与F检验都是对相同的原假设H0：1=0=0 进行检验;另一方面另一方面，两个统计量之间有如下关系：在中中国国居居民民人人均均收收入入-消消费费支支出出二二元元模模型型例中，由应用软件计算出参数的t值：给定显著性水平=0.05，查得相应临界值：t0.025(19)=2.093。可见，计计算算的的所所有有t值值都都大大于于该该临临界界值值，所以拒绝原假设。即:包包括括常常数数项项在在内内的的3个个解解释释变变量量都都在在95%的的水水平下显著，都通过了变量显著性检验。平下显著，都通过了变量显著性检验。四、参数的置信区间四、参数的置信区间 参参数数的的置置信信区区间间用来考察：在在一一次次抽抽样样中中所所估估计的参数值离参数的真实值有多计的参数值离参数的真实值有多“近近”。在变量的显著性检验中已经知道：在变量的显著性检验中已经知道：容易推出容易推出：在(1-)的置信水平下i的置信区间是 其中，t/2为显著性水平为、自由度为n-k-1的临界值。在中国居民人均收入中国居民人均收入-消费支出消费支出二元模型二元模型例中,给定=0.05，查表得临界值：t0.025(19)=2.093计算得参数的置信区间：0：(44.284,197.116)1：(0.0937,0.3489)2：(0.0951,0.8080)从回归计算中已得到：如何才能缩小置信区间？如何才能缩小置信区间？增大样本容量增大样本容量n n，因为在同样的样本容量下，因为在同样的样本容量下，n n越越大，大，t t分布表中的临界值越小，同时，增大样本容分布表中的临界值越小，同时，增大样本容量，还可使样本参数估计量的标准差减小；量，还可使样本参数估计量的标准差减小；提高模型的拟合优度提高模型的拟合优度，因为样本参数估计量的标，因为样本参数估计量的标准差与残差平方和呈正比，模型优度越高，残差准差与残差平方和呈正比，模型优度越高，残差平方和应越小。平方和应越小。提高样本观测值的分散度提高样本观测值的分散度,一般情况下，样本观测一般情况下，样本观测值越分散值越分散，(XX)-1的分母的的分母的|XX|的值越大，致使的值越大，致使区间缩小。区间缩小。多元线性回归模型的预测多元线性回归模型的预测 一、一、E(Y0)的置信区间的置信区间 二、二、Y0的置信区间的置信区间对于模型 给 定 样 本 以 外 的 解 释 变 量 的 观 测 值X0=(1,X10,X20,Xk0)，可以得到被解释变量的预测值：它可以是总体均值E(Y0)或个值Y0的预测。但严格地说，这只是被解释变量的预测值的估计值，而不是预测值。为了进行科学预测，还需求出预测值的置信为了进行科学预测，还需求出预测值的置信区间，包括区间，包括E(Y0)和和Y0的的置信区间置信区间。一、一、E(Y0)的置信区间的置信区间易知 容易证明 于是，得到(1-)的置信水平下E(Y0)的置信区间置信区间：其中，t/2为(1-)的置信水平下的临界值临界值。二、二、Y0的置信区间的置信区间 如果已经知道实际的预测值Y0，那么预测误差为：容易证明 e0服从正态分布，即 构造t统计量 可得给定(1-)的置信水平下Y0的置信区间置信区间：中国居民人均收入中国居民人均收入-消费支出消费支出二元模型二元模型例中：2001年人均GDP：4033.1元，于是人均居民消费的预测值人均居民消费的预测值为 2001=120.7+0.22134033.1+0.45151690.8=1776.8（元）实测值实测值（90年价）=1782.2元，相对误差：相对误差：-0.31%预测的置信区间预测的置信区间：于是E(E(2001）的95%的置信区间为:或 （1741.8，1811.7）或 （1711.1,1842.4）同样，易得 2001的95%的置信区间为回归模型的其他函数形式回归模型的其他函数形式 一、模型的类型与变换一、模型的类型与变换 二、非线性回归实例二、非线性回归实例 在实际经济活动中，经济变量的关系是复杂的，直接表现为线性关系的情况并不多见。如著名的恩格尔曲线恩格尔曲线(Engle curves)表现为幂幂函数曲线函数曲线形式、宏观经济学中的菲利普斯曲线菲利普斯曲线（Pillips cuves）表现为双曲线双曲线形式等。但是，大部分非线性关系又可以通过一些简单的数学处理，使之化为数学上的线性关系，从而可以运用线性回归的方法进行计量经济学方面的处理。一、模型的类型与变换一、模型的类型与变换 1、倒数模型、多项式模型与变量的直接置换法、倒数模型、多项式模型与变量的直接置换法 例如，例如，描述税收与税率关系的拉弗曲线拉弗曲线：抛物线 s=a+b r+c r2 c0 s：税收；r：税率设X1=r，X2=r2，则原方程变换为 s=a+b X1+c X2 c0 2、幂函数模型、指数函数模型与对数变换法、幂函数模型、指数函数模型与对数变换法 例如例如，Cobb-Dauglas生产函数：幂函数 Q=AKLQ：产出量，K：投入的资本；L：投入的劳动 方程两边取对数：ln Q=ln A+ln K+ln L3、复杂函数模型与级数展开法、复杂函数模型与级数展开法 方程两边取对数后，得到：(1+2=1)Q:产出量，K：资本投入，L：劳动投入 ：替代参数，1、2：分配参数例如例如，常替代弹性CES生产函数 将式中ln(1K-+2L-)在=0处展开台劳级数,取关于的线性项，即得到一个线性近似式。如取0阶、1阶、2阶项，可得 并非所有的函数形式都可以线性化并非所有的函数形式都可以线性化 无法线性化模型的一般形式为:其中，f(x1,x2,Xk)为非线性函数。如：二、非线性回归实例二、非线性回归实例 例例3.5.1 建立中国城镇居民食品消费需求函数模型。根据需求理论，居民对食品的消费需求函数大致为 Q:居民对食品的需求量，X：消费者的消费支出总额P1：食品价格指数，P0：居民消费价格总指数。零阶齐次性零阶齐次性，当所有商品和消费者货币支出总额按同一比例变动时，需求量保持不变(*)(*)为了进行比较，将同时估计（为了进行比较，将同时估计（*）式与（）式与（*）式。）式。根据恩格尔定律恩格尔定律，居民对食品的消费支出与居民的总支出间呈幂函数幂函数的变化关系:首先,确定具体的函数形式对数变换:考虑到零阶齐次性零阶齐次性时时(*)(*)(*)式也可看成是对（*）式施加如下约束而得因此，对对（*）式式进进行行回回归归，就就意意味味着着原原需需求函数满足零阶齐次性条件求函数满足零阶齐次性条件。X：人均消费X1：人均食品消费GP：居民消费价格指数FP：居民食品消费价格指数XC：人均消费（90年价）Q：人均食品消费（90年价）P0：居民消费价格缩减指数（1990=100）P：居民食品消费价格缩减指数（1990=100中中国国城城镇镇居居民民人人均均食食品品消消费费 特征：特征：消费行为在19811995年间表现出较强的一致性1995年之后呈现出另外一种变动特征。建立19811994年中国城镇居民对食品的消费需求模型:(9.03)(25.35)(-2.28)(-7.34)按按零阶齐次性零阶齐次性表达式回归表达式回归:（75.86）(52.66)(-3.62)为了比较，改写该式为：发现与接近。意味着：所建立的食品需求函数满足零阶齐次性特征所建立的食品需求函数满足零阶齐次性特征