多元線性回歸ppt課件-文庫吧資料
2024-11-09 19:30本頁面
【正文】 ?/2 (n2)， t值處在 (t?/2, t?/2)的概率是1?。 Yi=?0+?1X1i+?2X2i+ ? +?kXki+?i i=1,2,? ,n ? 原假設(shè)與備擇假設(shè)： H0： ?0=?1=?2= ? =?k=0 H1： ?j不全為 0 檢驗(yàn)統(tǒng)計(jì)量 可以證明，在 原假設(shè) H0成立 的條件下： )1/(/??? knR S SkE S SFF～ F (k , nk1) 其中： k為模型中 解釋變量個(gè)數(shù) 檢驗(yàn)步驟 （ 1）提出原假設(shè)和備擇假設(shè)： H0： ?0=?1=?2= ? =?k=0 H1： ?j不全為 0 （ 2）在 H0成立 的條件下，計(jì)算檢驗(yàn)統(tǒng)計(jì)量的值： )1/(/??? knR S SkE S SF（ 3） 給定顯著性水平 ?，可得到臨界值： F?(k,nk1) 右側(cè)檢驗(yàn) ? （ 4）如果 F? F?(k,nk1)， 拒絕 原假設(shè)，總體線性關(guān)系 成立 ? 如果 F? F?(k,nk1)， 接受 原假設(shè)，總體線性關(guān)系 不成立 ＃ 擬合優(yōu)度和方程顯著性檢驗(yàn) )1/()1/(12?????nT S SknR S SR )1/( / ??? knR S S kE S SFkFknnR??????1112 )1/()1( /2 2 ???? knR kRF?在中國(guó)居民人均收入 消費(fèi)一元模型中， ?在中國(guó)居民人均收入 消費(fèi)二元模型中， ?可見： 一個(gè)顯著的模型并不意味著擬合優(yōu)度一定很高 ?注意到 F檢驗(yàn)是一個(gè)嚴(yán)格的統(tǒng)計(jì)檢驗(yàn)，因此實(shí)際中要多參考這一檢驗(yàn)的結(jié)果。SC) ? 用于比較因變量相同，解釋變量個(gè)數(shù)不同的多元回歸模型的擬合優(yōu)度 ※ 赤池信息準(zhǔn)則 （ Akaike information criterion, AIC） nknA I C)1(2ln ???? ee※ 施瓦茨準(zhǔn)則 （ Schwarz criterion， SC） nnknAC lnln ??? ee? 這兩準(zhǔn)則均要求僅當(dāng)所增加的解釋變量能夠 減少 AIC值或 AC值 時(shí)才在原模型中增加該解釋變量。隨著解釋變量的增加，二者的差異越來越大。 可以通過 Adj（ R2） 的增加變化，決定是否引入一個(gè)新的解釋變量。 調(diào)整的可決系數(shù) Adj(R2) （ adjusted coefficient of determination） 調(diào)整思路 :將殘差平方和與總離差平方和分別除以各自的自由度，以剔除變量個(gè)數(shù)對(duì)擬合優(yōu)度的影響。如果引入的變量對(duì)減少殘差平方和的作用很小，這將導(dǎo)致誤差方差 σ2的增大，引起模型精度的降低。 定義： 問題： ? 在模型中增加一個(gè)解釋變量， R2往往增大 ? 但是： 增加解釋變量個(gè)數(shù)往往得不償失， 不重要的變量不應(yīng)引入。 ? 模型的良好性質(zhì)只有在大樣本下才能得到理論上的證明 167。 線性： CYYXXXβ ???? ? 1)(?其中 ,C=(X’X) 1 X’ 為一僅與固定的 X有關(guān)的行向量 無偏性 : βμXXXβμX βXXXYXXXβ11???????????????)()())()(())(()?( 1EEEE這里利用了假設(shè) : E(X’ ?)=0 有效性 : 其中利用了 : YXXXβ ??? ? 1)(?μXXXβμX βXXX??????????11)()()(Iμμ 2)( ???E參數(shù)估計(jì)量的概率分布 由參數(shù)估計(jì)量的上述性質(zhì)和基本假設(shè)，易知： ))(,(? 12 ??? XXN ???? 線性性＋基本假設(shè) → 正態(tài)分布 ? 無偏性 → 期望為 β ? 有效性的證明 → 方差表達(dá)式 2j? ( , )j j jNc? ? ??記 C=(X’X) 1 的第 j 個(gè)主對(duì)角元素為 Cjj（ j=0,1,…,k) ，則： 三、樣本容量問題 ?最小樣本容量 ?滿足基本要求的樣本容量 最小樣本容量 ? 所謂“ 最小樣本容量 ”，即從最小二乘原理和最大或然原理出發(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。這就是 GMM。這就是 IV。 如果隨機(jī)抽出原總體的一個(gè)樣本，估計(jì)出的樣本回歸方程： 能夠近似代表總體回歸方程的話，則應(yīng)成立： ??YX ??MM估計(jì)量與 OLS、 ML估計(jì)量等價(jià)。 ??解此正規(guī)方程組即得參數(shù)的 MM估計(jì)量 。 該 正規(guī)方程組 可以從另外一種思路來導(dǎo)出 : μX βY ?? μXX βXYX ????? μXX β(YX ???? )兩側(cè)求期望 : 0X βYX ??? )((E矩條件 *矩條件和矩估計(jì)量 * 0)?1 ??? βX(YXn由此得到 正規(guī)方程組 ： YX39。( 1 )eenk???*最大似然估計(jì) * （ Maximum Likelihood Estimate） 基本原理 ：樣本觀測(cè)值出現(xiàn)的 概率最大 。????????????????????????????????????????????3 9 4 6 8 4 0 01 5 6 7 4111 2121 iiinn YXYYYYXXX ???YX???????? ????? ?)( 1EXX???????? ?????????????????????????????
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1