第二节 多元线性回归模型的估计
一、普通最小二乘法(OLS)
原则:寻求剩余平方和最小的参数估计式
???????????????????2 )2
i
即
min : ? e ? ? ( Yi Yi ? X )]2
i
????k ki
min : ??e ???[Yi ??( ??1 ????2 X 2i ????3 X 3i ? 2 ??
2 ???
i
min : ??e ??min : e?e ??min : (Y - Xβ)?( Y - Xβ)(i ? 1, 2, ??????? 2 求偏导,并令其为0
???(X )????e 0) j ? 0 其中 即 ? ????X ????X ???? ??
? ?
?2???Yi ??( ?1 ?2 2i ?3 3i
kiki
?
i
( j ? 1, 2, n)
i
n)
?e ?0
?X
2i i
?
e ?0
?????
?????????? ? X ? X ? X )? ? 0 ???????? ? ? X )????0 ???????????????? ????ki ki ? 2? X 2i ?Yi ( ?1 ?2 2i ?3 3i
????????? X ?2i ?? ? 2 ?? X ki ? Y i ?? ( ? 1 ?? ?? 2 kiki ?3 X 3i ?
?? ????????
?X
ki i
e ?0
13
用矩阵表示的正规方程
1 ??1 ? ?e 1 ??0 ? ? ?e ??0 ?
偏导数
X 22 ??X 2 n ? ?2 ?
?? X 2i ei ? ? ?X
? X?e ? ? ? 21
? ??? ??
??????????? ? ???
X ? ?? ??? e ? ? X ki ei ? ?X 0 X k 2 ??X kn ? ?en ??0 ? 因为样本回归函数为
k1??
? ? ei ? ? 1 ???
两边左乘 X ? 根据最小二乘原则 则正规方程为
X ?e = 0
?
X ?Y = X ?Xβ + X ?e
??????
Y = Xβ + e
?
X ?Xβ = X ?Y
14
OLS估计式
由正规方程
???? ( X ?X )k?k 是满秩矩阵, 其逆存在 X ?Xβ = X
? = (X ?X)-1 X 多元回归的OLS估计量为
?Y
?Y?
当只有两个解释变量时为:
???
?1 ??Y ???2 X 2 ???3 X 3
2
对比
简单线性回归中
(? yi x2i )(? x3i ) ? (? yi x3i )(? x2i x3i )
2 2 2
(? x )(? x ) (? x2i x3i ) ?2 ? 2i 3i ? ?
2
(??yi x3i )(??x ) 2i ??(??yi x2i )(??x2i x3i )
??
?1 ? Y ?2 X
?
?3 ? 注意:
(??x )(??x ) ??(??x2i x3i )
2 2i
2 3i
2
? 2 ?
??x y
i
i
??x
2 i
x、 y 为X、Y的离差
15
OLS回归线的数学性质
●回归线通过样本均值
(与简单线性回归相同)
???
Y ???1????2 X 2 ????3 X 3 ? ?
??k Xk
?Yi n ?Y
???
●估计值 Y i 的均值等于实际观测值 ●剩余项
Yi
的均值 ??
ei 的均值为零
ei ????ei n ??0
?
不相关
???
●被解释变量估计值 Yi 与剩余项
ei
?????
Cov(Y i , ei ) ? 0
●解释变量 X i 与剩余项
或
??(e ?y) ??0
i
i
ei 不相关
(j=1,2,---k)
16
16
Cov( X ji , ei ) ??0
相关推荐: