一、要点
1、多元线性回归模型
2、古典假定
3、修正的可决系数
二、多元线性回归模型及古典假定
(一)多元线性回归模型
(二)多元线性回归模型的矩阵形式
Y=Xβ+u
(三)多元线性回归模型的古典假定
1、随机误差项的零均值假设
2、随机误差项的同方差假设
3、随机误差项无自相关
4、随机误差项m与解释变量X之间不相关
5、无多重共线性
6、随机误差项服从正态分布
三、多元线性回归模型的估计
(一)多元线性回归模型参数的最小二乘估计(二)参数最小二乘估计的性质
1、线性特征
2、无偏特征
3、最小方差特征
(三)OLS估计的分布性质
(四)随机扰动项方差的估计
(五)多元线性回归模型参数的区间估计
四、多元线性回归模型的检验
(一)拟合优度检验
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。
可决系数必定非负,但修正的可决系数可能为负值,这时规定修正的可决系数为零。
(二)回归方程的显著性检验
在多元回归中有多个解释变量,需要说明所有解释变量联合起来对应变量影响的总显著性,或整个方程总的联合显著性。对方程总显著性检验需要在方差分析的基础上进行F检验。
给定显著性水平α,查F分布表得临界值Fα(k-1,n-k)
如果F> Fα(k-1,n-k),拒绝H0,说明回归模型有显著意义,即所有解释变量联合起来对Y有显著影响。
如果F< Fα(k-1,n-k),接受H0,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。
(三)回归参数的显著性检验
给定显著性水平α,查t分布表得临界值tα/2(n-k)
如果ttα/2(n-k)或t> tα/2(n-k),拒绝H0,说明βj所对应的解释变量对Y的影响是显著的。
如果-tα/2(n-k) tα/2(n-k),接受H0,说明βj所对应的解释变量对Y的影响不显著。
五、多元线性回归模型的预测
(一)点预测
(二)平均值的区间预测
(三)个别值的区间预测