多元回归-最小二乘法-残差分析
180 浏览量
2021-01-06
21:33:30
上传
评论
收藏 236KB PDF 举报
多元回归多元回归-最小二乘法最小二乘法-残差分析残差分析
多元回归多元回归-最小二乘法最小二乘法-残差分析笔记残差分析笔记
一一.多元线性回归模型的假设多元线性回归模型的假设
我们需要进行以下六个假设，这些假设是经典的多元线性回归模型有效的前提：
1、因变量Y和自变量X1，X2，…，Xk之间的关系是线性的。
2、自变量（X1，X2，…，Xk）不是随机的。而且，两个或多个自变量之间不存在精确的线性关系。
3、以自变量为条件的残差的期望值为0：E（ε|X1，X2，…，Xk）=0。
4、残差项的方差对于所有观察值都是相同的：E（εi2）=σε2。
5、残差项在各个观测值之间是不相关的：E（εiεj）=0，j≠i。
6、残差项是正态分布的。
二二.计量经济学中的普通最小二乘法（计量经济学中的普通最小二乘法（OLS）的）的4个基本假设条件分别为：个基本假设条件分别为：
1、解释变量是确定变量，不是随机变量。
2、随机误差项具有零均值、同方差何不序列相关性。
3、随机误差项与解释变量之间不相关。
4、随机误差项服从零均值、同方差、零协方差的正态分布。
三三.残差分析残差分析
（（1）残差分析定义）残差分析定义
在回归模型中，假定残差的期望值为假定残差的期望值为0，方差相等且服从正态分布的一个随机变量，方差相等且服从正态分布的一个随机变量。但是，若关于残差的假定不成立，此时所
做的检验以及估计和预测也许站不住脚。确定有关残差的假定是否成立的方法之一是进行残差分析（residual analysis）.
回归模型下的预测值和观测值之间的差异必须是随机不可预测的。
换句话说，在误差在误差(error)中不应该含有任何可解释、可预测的信息。中不应该含有任何可解释、可预测的信息。
(2)残差分析包括以下内容：残差分析包括以下内容：
①残差是否服从均值为零的正态分布；
②残差是否为等方差的正态分布；
③残差序列是否独立；
④借助残差探测样本中的异常值。
（（3）如何进行残差分析：）如何进行残差分析：
看分布-绘制残差图
看独立-DW检验
1.残差图残差图
1-1残差图的定义残差图的定义：是指以某种残差为纵坐标，以其他适宜的量为横坐标的散点图。
这里横坐标有多种选择，最常见的选择是：
1.因变量的拟合值；
2. 某自变量的观察值；
3.在因变量的观察值Y1，…，Yn为一时间序列时， 横坐标可取为观察时间或观察序号。
1-2最常见的残差图最常见的残差图——回归值与残差的残差图回归值与残差的残差图
不论回归值的大小，而残差(或)具有相同的分布，并满足模型的各假设条件；
资源评论
