第五章 古典线性回归模型

download 第五章 古典线性回归模型

If you can't read please download the document

description

第五章 古典线性回归模型. 问题的提出. 数据背后存在着某种规律性 最小二乘保证了 3 条性质 —— 残差和 =0 ,残差与自变量无关、残差与拟合值无关 关于数据生成过程的初步假定 —— 数据生成过程 = 确定性部分 + 非确定性部分 样本一般说来总会反映一些总体的性质,于是对非确定性部分 —— 随机扰动项 —— 作出类似于最小二乘残差的假设. 数据背后存在着某种规律性. 现实世界中本身存在着经济规律,正是这些经济规律的作用,通过现实经济生活又显现出一些复杂现象来。这些现象既有某种确定性(规律性的一面),有具有某种不确定性(随机性的一面)。 - PowerPoint PPT Presentation

Transcript of 第五章 古典线性回归模型

  • 3=0=+

  • 41=0234

  • =+6

  • yi=a+b1xi1+b2xi2+b3xi3+bkxik+ui (i=1,2, ,n)=+ui

  • u^iuiui

  • uiuiuiuixiui

  • ui Vertical Error JumpsyixiyixixixiyixiErrorsin Variable Model

  • a+bxiyi=a+b(xi+i)+ui

  • Zero Mean Error DisplacementE(ui)=0 (i=1,2,.,n) E(u^i)=0E(ui)=0ui

  • Constant Error VarianceVar(ui)=2 (i=1,2,n) uiVar(ui)=2i (i=1,2,n) Var(ui)=[ui-E(ui)]2=2i (i=1,2,n) 2iI

  • x1 x2XuYxu a + b x

  • x1 x2XuxY

  • Error IndependentuiujijE(ui,uj)=02E(ui)=0E(uj)=0COV(ui,uj)=E[ui-E(ui)][uj-E(uj)]=E(ui,uj)4COV(ui,uj) =E(ui,uj)=0uiuji< >jE(ui,ui+1)= E(ui-1,ui)=0 E(ui,uj) < > 0Autocorrelation

  • xi uii,jCOV(xi,uj)=0The x are revealed and independent of uii,jCOV(xi,uj)=0uixjxixjGNP

  • GNPCi = a+bGNPi+ui 1GNPi = Ci+Ii+Gi 2CiIiGiGNPiuiuiCiGNPiuiGNPiGiIi12

  • Linearity of the Modelyi=a+b1xi1+b2xi2+b3xi3+bkxik+ui (i=1,2, ,n)yi=yiyiabyixij

  • yi

  • yi=yiyiabyixijyi

  • -

  • 6uiXui=0Var(ui)=2 E(ui,uj)=0uiuj=0 (ij)xiui E(x,uj)=0xuj=0 Y=XB+u

  • yi6yi=a+b1xi1+b2xi2+b3xi3+bkxik+ui (i=1,2, ,n)=2=0ui i.i.d0, 2i.i.dIdentical Independent Distribution

  • yiEyi=Ea+b1xi1+b2xi2+b3xi3+bkxik+uia,b1b2,b3,bk, xi1,xi2,xi3,xik a,b1b2,b3,bkEyi=a+b1xi1+b2xi2+b3xi3+bkxikVaryi=Vara+b1xi1+b2xi2+b3xi3+bkxik+uiVaryi=2 yi i.i.da+b1xi1+b2xi2+b3xi3+bkxik2Cov(yi,yj)=0

  • Yi222E(yi) E(yi)=a+b1x1++bkxkE(yi)=a+b1x1++bkxk

  • yi=a+b1xi1+b2xi2+b3xi3+bkxik+ui (i=1,2, ,n)

  • 123

  • yi=a+bxi+ui12wi3Eb^=b4Varb^= 5Ea^= a6Vara^=

  • 1

  • 2wi

  • 3

  • 4

  • 5

  • -

  • yi=a+b1xi1+b2xi2+b3xi3+bkxik+ui

  • -

  • -

  • t

  • tf(t)t-t

  • -

  • yi=a+bxi+ui12

  • -yi=a+b1xi1+b2xi2+b3xi3+bkxik+uiuii.i.d(0,2),a^,b1^,b2^, ,bk^a,b1,b2, ,bkyiyi

  • yi=a+bxi+ui123

  • 1

  • 2

  • 3LS

  • 3

  • 3

  • 4123==>

  • 4 1 yi23243LS5LS

  • 2

  • 41

  • 42

  • 43

  • ==>==>==>==>==>12

  • 50kg1000kg1030kg30kg

  • 3040506070kg80090010001100900

  • 12345

  • 0Var(Xm)1

  • 1121

  • Wi=a+b1Si+b2Ei+b3Ai+b4Ui+ui 1Wi= Si= Ei=Ai=Ui=R2=1Ai=7+Si+Ei 221Ai Wi=a+7 b3+b1+ b3Si+b2 + b3 Ei+ b4Ui+ uiWi=c+dSi+eEi+fUi+ ui

  • =1=11

  • R2==>1

  • R2
  • 3

  • 12

  • 41

  • 42

  • 12

  • 1R2F21233

  • 12

  • -BLUEBLUEBest linear Unbias Estimator

  • BLUE

  • `

  • SS0 R2=1 R21 R2=1 R21

  • Sheet1

    obsYX1X2

    110.93900012976.03100013732.0409998894

    29.50699996954.97300004961.8129999638

    39.07800006877.86199998863.8819999695

    47.69099998476.66900014883.5490000248

    511.75300025944.40700006480.6869999766

    68.65100002294.41599988941.5470000505

    73.79500007639.45499992376.7049999237

    812.08899974824.16099977490.4110000134

    96.57299995425.02699995042.8269999027

    108.06099987034.13700008391.7389999628

    Sheet2

    Sheet3

  • FLX3\HXQ89

  • LX3\HXQ105

  • LX3\HXQ133

  • LX3\hxq149

  • BlaisdellLX3\HXQ195

  • LX3\WB36

  • 0-12312345

  • 0-1231234

  • 0-

  • 1

  • 2

  • 1

  • 2

  • 3

    KT1%0.5516%LT1%0.325%T/T=1/TT1KL0.11791/T

  • 4