第6章多元線性回歸2第六章多元線性回歸Multipleregression

遺漏變量偏差Omittedvariablebias因果效應(yīng)和回歸分析多元回歸和OLS擬合優(yōu)度MeasuresoffitOLS估計量的抽樣分布36.1遺漏變量偏差

4△遺漏變量偏差5舉例說明這些條件

例1：英語學(xué)習(xí)者百分率在測試成績實例中:（1）英語學(xué)習(xí)能力(學(xué)生是否將英語作為第二語言)貌似會影響標準化測試成績:Z是Y的決定因素.（2）移民社區(qū)往往不那么富裕，因此學(xué)校預(yù)算少，并且STR也較高:Z與X相關(guān).例2：測試的時間例3：每個學(xué)生的停車空間后果是有偏的.這一偏差的方向是怎樣的？（以例1說明）按常識可給出什么樣的提示?若你無法通過常識得出,則有公式…6遺漏變量偏差的公式

7遺漏變量偏差公式（續(xù)）

8遺漏變量偏差公式:

9use\caschool.dta;*****Table6.1******genstr_20=(str<20);gents_lostr=testscrifstr_20==1;gents_histr=testscrifstr_20==0;genelq1=(el_pct<1.9)genelq2=(el_pct>=1.9)*(el_pct<8.8)genelq3=(el_pct>=8.8)*(el_pct<23.0)genelq4=(el_pct>=23.0)ttestts_lostr=ts_histr,unpunettestts_lostr=ts_histrifelq1==1,unpunettestts_lostr=ts_histrifelq2==1,unpunettestts_lostr=ts_histrifelq3==1,unpunettestts_lostr=ts_histrifelq4==1,unpune10116.2多元回歸模型

1213術(shù)語

14多元回歸中系數(shù)的解釋

15166.3多元回歸的OLS估計量

17實例:加利福尼亞測試成績數(shù)據(jù)集18STATA中的多元回歸

19多元線性回歸模型和OLS估計量的矩陣形式（見書第18章）20多元線性回歸模型和OLS估計量的矩陣形式216.4多元回歸的擬合優(yōu)度

226.4多元回歸的擬合優(yōu)度

23SER和RMSE

24R2和

25R2

和

(續(xù))2627實例中的應(yīng)用

2829306.5多元回歸的最小二乘假設(shè)

31假設(shè)#1:給定包含的X時u的條件均值為零323334356.6OLS估計量的抽樣分布

366.7多重共線性—完全和不完全37虛擬變量陷阱38完全多重共線性(續(xù))

39不完全多重共線性

40不完全多重共線性(續(xù))

41關(guān)于多重共線性的幾點說明多重共線性并不一定導(dǎo)致多重共線性問題對經(jīng)濟數(shù)據(jù)，多重共線性幾乎不可避免，自變量之間總會存在某種程度的相關(guān)，但只有它們的線性關(guān)系高到一定程度時，才會發(fā)生多重共線性問題多重共線性是由于在數(shù)據(jù)中自變量之間存在某種線性關(guān)系或自變量高度相關(guān)而產(chǎn)生的，即它是某一特定樣本中的問題即使較強的多重共線性也沒用違背多元回歸基本假設(shè)。OLS估計仍是無偏和