一元线性回归模型.doc

一 一元线性回归模型1. 一元线性回归模型的基本假设有哪些？违背假设是否能估计？为什么？答:E(|)=0 随机项的数学期望为0Var(|)=EE()=E ()=COV(，)=EE()E()=0 ，相互独立不相关COV(，)=0 解释变量与误差项同期独立无关N(0，) ，服从正态分布的随机变量违背的话可以估计 但是要对原数据适当的处理2. 方差分析表与参数估计表的结构=1=TSS= ESS= RSS=Eviews输出结果 参数估计值 估计值标准差 F检验Variable Coefficient Std. Error t-Statistic Prob.C 32.2207（） 33.20478（S()）0.970365 0.36030.05非线性不通过 R-squared 0.048024Adjusted R-squared -0.070973 Prob(F-statistic) F0.5429890.05方程本身不是线性的结论：该案例结果不理想 无论从个别还是总体上原因：(1) ，个别检验不通过 (2)F检验远远超过期望的值(5%or10%) (3) =0.048024拟合度特别差80%or70%认为拟合度好)3. 回归方程的标准记法=+Se=(S() (S() *代表显著性大小 *代表1%下显著 *代表5%下显著 无*代表5%下不显著4. t检验与F检验的步骤(1) t检验：Next t(n-2) Next查t分布表临界值 取1%或5% Next 当|t|拒绝原假设说明y对x的一元线性相关显著当|t|不拒绝原假设说明y对x的一元线性相关不显著 (2) F检验： Next (上：回归 下：残差)=？(假设=100) Next 查(1，n-2) Next 当100(1，n-2)拒绝 说明y对x的一元线性相关显著当100等价F(1，n-2)此时不拒绝当P(1，n-2)此时拒绝)二 多元线性回归模型1. 基本假设：(1) 随机误差项的条件期望值为0 即E(|)=0(2) 随机误差项的条件方差相同Var(|)=(3) 之间无序列相关COV(，)=0(4) N(0，)(5)各种解释变量之间不存在显著的线性相关关系2.矩阵表达式 参见P51 例3-13随机误差项u的方差的最小二乘估计量=随机误差项同方差且无序列相关 则方差协方差矩阵Var-COV(u)=E()=I4.方差分析表= TSS= ESS= RSS=5. P69 8 (1) 的个别检验不通过，的个别检验通过(2)F检验通过 对结果不满意三违背古典假定的计量经济模型2. 自相关D-W检验(1)d4-,u存在一阶负自相关(3)d4-,不存在自相关(4)d，或4-d4-时,u是否存在自相关,不能确定4.异方差的white检验(以二元线性模型为例)二元线性回归模型： 异方差与解释变量的一般线性关系为：=+ 运用OLS估计的式 计算残差序列并求 做对，的辅助回归，即 其中为的估计计算估计量，n为样本容量为辅助回归的可决定系数在不存在异方差的原假设下服从自由度为5的分布，给定显著性水平查分布表得临界值(5) 如果(5)则拒绝原假设，表明模型中随机误差存在异方差5.杜宾二步法：第一步求出自相关系数的估计值第二步利用进行广义差分变换 对差分模型利用OLS求的参数和的估计值和6.方差扩大因子检验多元回归模型中多重共线性：=f(x2,x3.xk) x2=f(x1,x3xk) xj=(x1,x2.xk) xk=f(x1,x2.)对每个回归方程求其决定系数分别为，. .，在决定系数中寻求最大而接近者，比如最大，则可判定解释变量Xj与其他解释变量的一个或多个相关程度高，因此就使回归方程式y=f(x1,x2.xk)表现高度多重共线性，计量经济学中检验