多元回归分析：估计 (2).ppt

该【多元回归分析：估计 (2) 】是由【相惜】上传分享，文档一共【12】页，该文档可以免费在线阅读，需要了解更多关于【多元回归分析：估计 (2) 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第3章多元回归分析::高斯-、可以度量在其他条件不变情况下y相对于某一因素的变化;2、简单回归分析中被包括在误差项中,而x1与可能相关,从而导致在两变量模型中对的估计有偏误。3、多元回归分析对推广两变量之间的函数关系有帮助。,其他情况不变对多元回归“排除其他变量影响〞的解释是将x1对其他解释变量回归得到的残差精选课件简单回归和多元回归估计值的比较二者在两种情况下相等:1样本中x2对y的偏效应为零;2样本中x1与x2不相关。:关于参数的线性方程假定2:随机抽样假定3:不存在完全共线性在样本中,没有一个自变量是常数,自变量之间也不存在严格的线性关系。假定4:条件均值为零给定自变量的任何值,误差u的期望值为零。精选课件1、在模型中包含了无关变量不影响OLS估计量的无偏性,但是增大了方差。2、:同方差性在假定1-5下,以自变量的样本值为条件,对所有的j=1,…,k,都有OLS方差的成分:多重共线性误差方差:越大意味着OLS估计量的方差就越大;精选课件Xj的总样本变异,越小,方差越大,但是其等于0违背假定3;自变量之间的线性关系,是将Xj对所有其他自变量进行回归得到的。时方差最小,违背假定3。两个或多个自变量之间高度相关〔但不完全〕相关,被称为多重共线性。模型中某些自变量之间高度相关,对模型中其他参数的估计效果不重要〔从方差公式看〕。小样本容量可能导致很大的抽样方差。精选课件误设模型中的方差真实模型:遗漏了X2:得:精选课件