多元回归分析估计
第一页,共83页
第3章 多元回归分析:估计
第二页,共83页
使用多元回归模型的动因
实际研究中更多时候对因变量有影响的自变量个数将不只一个,需要进行多元回归
例1:
在对小时工资的研究中,除了教育水平之外,工作经历也是一个显著的影响因素,因此需要增加自变量个数,建立多元回归模型。
第三页,共83页
1. 为获得其它因素不变的效应,控制更多的因素
在实证工作中使用简单回归模型,首要的困难在于:要得到在其它因素不变的情况下, x1对y的影响(ceteris paribus effect),非常困难。
在简单线性回归中,是否能够获得在其它条件不变情况下,x1对y的影响,完全取决于零值条件期望假设是否符合现实。
如果影响y的其它因素,与x1不相关,则改变x1,可以确保u(均值)不变,从而识别出在其它条件不变情况下x对y的影响。
不幸的是,影响y的其它因素(包含在u中),往往与x1相关:改变x1,u(均值)也往往发生变化,从而使得仅仅利用简单回归模型,无法识别出在其它条件不变情况下x1对y的影响。
第四页,共83页
1. 控制更多的因素
一个策略就是,将与x1相关的其他因素从误差项u中取出来,放在方程里,作为新的解释变量,这就构成多元回归模型。
多元回归分析可以明确地控制许多其它同时影响因变量的因素,而不是放在不可观测的误差项中,故多元回归分析更适合于其它条件不变情况下(ceteris paribus)的特定因素x对y的影响。
多元回归模型能容许很多解释变量,而这些变量可以是相关的。
在使用非实验数据时,多元回归模型对推断y与解释变量x间的因果关系很重要。
第五页,共83页
2. 更好地预测
一个变量y的变化,不仅与一种因素有关,可能决定于许多因素。
预测一个变量的变化,往往需要尽可能多地知道影响该变量变化的因素。
简单回归模型,只包含一个解释变量,有时只能解释y的变动的很小部分。(如,拟合优度很低)
多元回归模型由于可以控制更多地揭示变量,因此,可以解释更多的因变量变动。
第六页,共83页
3. 表达更多的函数关系
多元回归模型,可以包含多个解释变量,因此,可以利用变量的函数变换,在模型中表达多种函数关系。
因此,多元线性回归模型,是实证分析中应用最广泛的分析工具。
第七页,共83页
多元线性回归模型的一般形式
第八页,共83页
多元回归的术语
第九页,共83页
普通最小二乘法的操作和解释
第十页,共83页
多元回归分析估计 来自淘豆网www.taodocs.com转载请标明出处.