3多元线性回归与最小二乘估计.docx
《3多元线性回归与最小二乘估计.docx》由会员分享,可在线阅读,更多相关《3多元线性回归与最小二乘估计.docx(15页珍藏版)》请在冰豆网上搜索。
3多元线性回归与最小二乘估计
1.3多元线性回归与最小二乘估计
1.假定条件、最小二乘估计量和高斯—马尔可夫定理
多元线性回归模型:
yt=0+1xt1+2xt2+…+k-1xtk-1+ut,(1.1)
其中yt是被解释变量(因变量),xtj是解释变量(自变量),ut是随机误差项,i,i=0,1,…,k-1是回归参数(通常未知)。
对经济问题的实际意义:
yt与xtj存在线性关系,xtj,j=0,1,…,k-1,是yt的重要解释变量。
ut代表众多影响yt变化的微小因素。
使yt的变化偏离了E(yt)=0+1xt1+2xt2+…+k-1xtk-1决定的k维空间平面。
当给定一个样本(yt,xt1,xt2,…,xtk-1),t=1,2,…,T时,上述模型表示为
y1=0+1x11+2x12+…+k-1x1k-1+u1,经济意义:
xtj是yt的重要解释变量。
y2=0+1x21+2x22+…+k-1x2k-1+u2,代数意义:
yt与xtj存在线性关系。
………..几何意义:
yt表示一个多维平面。
yT=0+1xT1+2xT2+…+k-1xTk-1+uT,(1.2)
此时yt与xti已知,j与ut未知。
(1.3)
Y=X+u,(1.4)
为保证得到最优估计量,回归模型(1.4)应满足如下假定条件。
假定⑴随机误差项ut是非自相关的,每一误差项都满足均值为零,方差2相同且为有限值,即
E(u)=0=,Var(u)=E(')=2I=2
假定⑵解释变量与误差项相互独立,即
E(X'u)=0
假定⑶解释变量之间线性无关。
rk(X'X)=rk(X)=k
其中rk()表示矩阵的秩。
假定⑷解释变量是非随机的,且当T→∞时
T–1X'X→Q
其中Q是一个有限值的非退化矩阵。
最小二乘(OLS)法的原理是求残差(误差项的估计值)平方和最小。
代数上是求极值问题。
minS=(Y-X)'(Y-X)=Y'Y-'X'Y-Y'X+'X'X
=Y'Y-2'X'Y+'X'X(1.5)
因为Y'X是一个标量,所以有Y'X='X'Y。
(1.5)的一阶条件为:
=-2X'Y+2X'X=0(1.6)
化简得
X'Y=X'X
因为(X'X)是一个非退化矩阵(见假定⑶),所以有
=(X'X)-1X'Y(1.7)
因为X的元素是非随机的,(X'X)-1X是一个常数矩阵,则是Y的线性组合,为线性估计量。
求出,估计的回归模型写为
Y=X+(1.9)
其中=(…)'是的估计值列向量,=(Y-X)称为残差列向量。
因为
=Y-X=Y-X(X'X)-1X'Y=[I-X(X'X)-1X']Y(1.10)
所以也是Y的线性组合。
的期望和方差是
E()=E[(X'X)-1X'Y]=E[(X'X)-1X'(X+u)]
=+(X'X)-1X'E(u)=(1.11)
Var()=E[(–)(–)']=E[(X'X)-1X'uu'X(X'X)-1]
=E[(X'X)-1X'2IX(X'X)-1]=2(X'X)-1(1.12)
高斯—马尔可夫定理:
若前述假定条件成立,OLS估计量是最佳线性无偏估计量。
具有无偏性。
具有最小方差特性。
具有一致性,渐近无偏性和渐近有效性。
2.残差的方差
s2='/(T-k)(1.13)
s2是的无偏估计量,E(s2)=。
的估计的方差协方差矩阵是
()=s(X'X)-1(1.14)
3.多重确定系数(多重可决系数)
Y=X+=+(1.15)
总平方和
SST==Y'Y-T,(1.16)
其中是yt的样本平均数,定义为=。
回归平方和为
SSR=='-T(1.17)
其中的定义同上。
残差平方和为
SSE==='(1.18)
则有如下关系存在,
SST=SSR+SSE(1.19)
R2=(1.20)
显然有0£R2£1。
R2®1,拟合优度越好。
4.调整的多重确定系数
当解释变量的个数增加时,通常R2不下降,而是上升。
为调整因自由度减小带来的损失,又定义调整的多重确定系数如下:
=1-=1-(1.21)
5.OLS估计量的分布
若u~N(0,I),则每个ut都服从正态分布。
于是有
Y~N(X,I)(1.22)
因也是u的线性组合(见公式1.7),依据(1.11)和(1.12)有
~N(,(X'X)-1)(1.23)
6.方差分析与F检验
与SST相对应,自由度T-1也被分解为两部分,
(T-1)=(k-1)+(T-k)(1.24)
回归均方定义为MSR=,误差均方定义为MSE=
表1.1方差分析表
方差来源
平方和
自由度
均方
回归
SSR='-T2
k-1
MSR=SSR/(k-1)
误差
SSE='
T-k
MSE=SSE/(T-k)
总和
SST=Y'Y-T2
T-1
H0:
1=2=…=k-1=0;H1:
j不全为零
F==~F(k-1,T-k)(1.25)
设检验水平为,则检验规则是,若F≤F(k-1,T-k),接受H0;若F>F(k-1,T-k),拒绝H0。
0F(k-1,T-k)-t(T-k)0t(T-k)
F检验示意图t检验示意图
7.t检验
H0:
j=0,(j=1,2,…,k-1),H1:
j¹0
t==~t(T-k)(1.26)
判别规则:
若½t½£tk接受H0;若½t½>tk拒绝H0。
8.i的置信区间
(1)全部i的联合置信区间接受
F=(-)'(X'X)(-)/s2~F(k,T-k)(1.27)
(-)'(X'X)(-)≤s2kF(k,T-k),它是一个k维椭球。
(1.28)
(2)单个i的置信区间
i=±stk.(1.29)
9.预测
(1)点预测
C=(1xT+11xT+12…xT+1k-1)(1.30)
则T+1期被解释变量yT+1的点预测式是,
=C=0+1xT+11+…+k-1xT+1k-1(1.31)
(2)E(yT+1)的置信区间预测
首先求点预测式C的抽样分布
E()=E(C)=C(1.32)
Var()=Var(C)=E[(C-C)(C-C)']
=E[C(-)[C(-)]']=CE[(-)(-)']C'
=CVar()C'=C2(X'X)-1C'=2C(X'X)-1C',(1.33)
因为服从多元正态分布,所以C也是一个多元正态分布变量,即
=CN(C,2C(X'X)-1C')(1.34)
构成t分布统计量如下
t==t(T-k)(1.35)
置信区间C±t/2(1,T-k)s(1.36)
(3)单个yT+1的置信区间预测
yT+1值与点预测值有以下关系
yT+1=+uT+1(1.37)
其中uT+1是随机误差项。
因为
E(yT+1)=E(+uT+1)=C(1.38)
Var(yT+1)=Var()+Var(uT+1)=2C(X'X)-1C'+2
=2(C(X'X)-1C'+1)(1.39)
因为服从多元正态分布,所以yT+1也是一个多元正态分布变量,即
yT+1N(C,2C(X'X)-1C'+1)
与上相仿,单个yT+1的置信区间是
C±t/2(T-k)s(1.40)
计算举例:
(见《计量经济分析》第19-27页,熟悉矩阵运算)
10.预测的评价指标
注意,以下6个公式中的et表示的是预测误差,不是残差。
可以在样本内、外预测。
(1)预测误差。
预测误差定义为
et=-yt,t=T+1,T+2,…
是对单点预测误差大小的测量。
(2)相对误差PE(PercentageError)。
PE=,t=T+1,T+2,…
是对单点预测相对误差大小的测量。
(3)误差均方根rmserror(RootMeanSquaredError)
rmserror=
通过若干个预测值对预测效果进行综合评价。
(4)绝对误差平均MAE(MeanAbsoluteError)
MAE=
通过若干个预测值对预测的绝对误差进行综合评价。
(5)相对误差绝对值平均MAPE(MeanAbsolutePercentageError)
MAPE=
综合运用以上4种方法,通过若干个预测值对预测的相对误差进行综合评价。
以上6个式子中,表示预测值,yt表示实际值。
Theil的取值范围是[0,1]。
显然在预测区间内,当与yt完全相等时,Theil=0;当预测结果最差时,Theil=1。
公式中的累加范围是用1至T表示的,当然也可以用于样本外预测评价。
11.建模过程中应注意的问题
(1)研究经济变量之间的关系要剔除物价变动因素。
以上图为例,按当年价格计算,我国1992年的GDP是1980年的5.9倍,而按固定价格计算,我国1992年的GDP是1980年的2.8倍。
另外从图中还可看出,1980-1992期间按名义价格计算的GDP曲线一直是上升的,而按不变价格(1980年价格)计算的GDP曲线在1989年出现一次下降。
可见研究经济变量应该剔除物价变动因素。
(2)依照经济理论以及对具体经济问题的深入分析初步确定解释变量。
例:
我国粮食产量=f(耕地面积、农机总动力、施用化肥量、农业人口等)。
但根据我国目前情况,“耕地面积”不是“粮食产量”的重要解释变量。
粮食产量的提高主要来自科技含量的提高。
例:
关于某市的食用油消费量,文革前常驻人口肯定是重要解释变量。
现在则不同,消费水平是重要解释变量,因为食用油供应方式已改变。
(3)当引用现成数据时,要注意数据的定义是否与所选定的变量定义相符。
例:
“农业人口”要区别是“从事农业劳动的人口”还是相对于城市人口的“农业人口”。
例:
2002年起