2:随机误差项的性质
(1)误差项代表了未纳入模型变量的影响;
(2)即使模型中包括了决定数学分数的所有变量,其内在随机性也不可避免,这是做任何
努力都无法解释的; (3)u 代表了度量误差; (4)“奥卡姆剃刀原则”,即描述应该尽可能简单,只要不遗漏重要的信息。
3:解释回归结果的步骤
(1)看整个模型的显著性,看F 统计量的值; (2)看单个参数的显著性; (3)解释斜率的经济含义;
(4)解释R ²。
4:古典线性回归模型的基本假定(同多元线性回归模型的基本假定相同) (1)所有自变量是确定性变量; (2)
(3)自变量之间不存在完全多重共线性。
12:样本回归方程,i e 为残差项,
i i i e X b b Y ++=21
总体回归方程,i u 为随机误差项
i i i u X B B Y ++=21
5:
样本回归函数:
随机样本回归函数:
总体回归函数:
随机总体回归方程:
观察值可表示为: 6:普通最小二乘法就是要选择参数1b 、2b ,使得参差平方和最小。
()()()
∑∑∑∑∑∑--=---==-=2
2
2
22
21X n X Y X n Y X X X Y Y X X x y x b X b Y b i
i i i
i
i
i
i i
i
i i i i i i i i i i i i i i i u
X Y E Y e Y
Y u
X B B Y X B B X Y E e
X b b Y X b b Y
+=+=++=+=++=+=)|(ˆ)|(ˆ21212121
7:R ²的计算公式:( R ²度量了回归模型对Y 变异的解释比例)
TSS :总离差平方和 ESS :回归平方和 RSS :残差平方和
(1)
(2)
(3)
8:F 检验
)
3,2(~)
3(2
)(.
...23322--+=
=∑∑∑n F n e x y b x y b f d RSS f d ESS F t t t t t
()1
//1/1/1P ..-------⋅=n TSS
k
n RSS k n RSS p
k
n RSS k ESS k ESS k ESS F f
d SS MSS f d 总离差
来自残差来自回归值值自由度平方和方差来源
9:F 与判定系数R2之间的重要关系
当R2=0,F =0,当R2=1,F 值为无穷大
10:校正的判定系数R ²
(
)k
n n R R ----=1112
2
11:普通最小二乘估计量的一些重要性质:
∑∑∑====+=0
ˆ00
21i
i i i i Y e X e n e e X b b Y
21ESS RSS
TSS TSS
ESS
R TSS =+
=
RSS ESS TSS +=)()1()1(22
k n R k R F ---=
13:不同函数形式的总结。