第3章 重回帰分析 ー 計量経済学 ー.

Slides:



Advertisements
Similar presentations
環境経済論 第 7 回目 ヘドニック・アプローチ. Court (米国自動車工業会 ) による自動車 価格変化の研究、 1939 – 自動車価格とさまざまな特性(馬力、長さな ど)との数量的関係 – 財の諸特性が快楽( hedonic pleasure )を生 み出すと考える – ヘドニック要因で説明される価格(又はその.
Advertisements

Absolute Orientation. Absolute Orientation の問題 二つの座標系の間における剛体 (rigid body) 変換を復元す る問題である。 例えば: 2 台のステレオカメラから得られた3次元情報の間の関 係を推定する問題。 2 台のステレオカメラから得られた3次元情報の間の関.
2016 年度 計量経済学 講義内容 担当者: 河田 正樹
放射線の計算や測定における統計誤 差 「平均の誤差」とその応用( 1H) 2 項分布、ポアソン分布、ガウス分布 ( 1H ) 最小二乗法( 1H )
エクセルと SPSS による データ分析の方法 社会調査法・実習 資料. 仮説の分析に使う代表的なモデ ル 1 クロス表 2 t検定(平均値の差の検定) 3 相関係数.
データ分析入門(12) 第12章 単回帰分析 廣野元久.
相関と回帰 専修大学経済学部 「経済統計学」 作間逸雄.
寺尾 敦 青山学院大学社会情報学部 社会統計 第13回 重回帰分析(第11章後半) 寺尾 敦 青山学院大学社会情報学部
第3章 2変量データの記述 統計学基礎 2011年度.
第4章 回帰分析の諸問題(1) ー 計量経済学 ー.
時系列の予測 時系列:観測値を時刻の順に並べたものの集合
多変量解析 -重回帰分析- 発表者:時田 陽一 発表日:11月20日.
補章 時系列モデル入門 ー 計量経済学 ー.
第4章 回帰分析の諸問題(1) ー 計量経済学 ー.
第3章 2変量データの記述 統計学基礎 2010年度.
重回帰分析入門 経済データ解析 2009年度.
回帰分析 重回帰(1).
実証分析の手順 経済データ解析 2011年度.
得点と打率・長打率・出塁率らの関係 政治経済学部経済学科 ●年●組 ●● ●●.
第2章 単純回帰分析 ー 計量経済学 ー.
第4回 (10/16) 授業の学習目標 先輩の卒論の調査に協力する。 2つの定量的変数間の関係を調べる最も簡単な方法は?
第5章 回帰分析の諸問題(2) ー 計量経済学 ー.
第5章 回帰分析の諸問題(2) ー 計量経済学 ー.
重回帰分析入門 経済データ解析 2011年度.
統計的仮説検定の考え方 (1)母集団におけるパラメータに仮説を設定する → 帰無仮説 (2)仮説を前提とした時の、標本統計量の分布を考える
心理統計学 II 第7回 (11/13) 授業の学習目標 相関係数のまとめと具体的な計算例の復習 相関係数の実習.
放射線の計算や測定における統計誤差 「平均の誤差」とその応用(1H) 2項分布、ポアソン分布、ガウス分布(1H) 最小二乗法(1H)
回帰分析.
寺尾 敦 青山学院大学社会情報学部 社会統計 第12回 重回帰分析(第11章前半) 寺尾 敦 青山学院大学社会情報学部
相関と回帰:相関分析 2つの変量それぞれが正規分布にしたがってばらつく量であるとき,両変数の直線的な関係を相関分析する. 例:兄弟の身長
第6章 数量化I類.
第3章 重回帰分析 ー 計量経済学 ー.
第5章 回帰分析入門 統計学 2006年度.
線形代数学 4.行列式 吉村 裕一.
確率・統計輪講資料 6-5 適合度と独立性の検定 6-6 最小2乗法と相関係数の推定・検定 M1 西澤.
主成分分析                     結城  隆   .
回帰分析/多変量分析 1月18日.
誤差の二乗和の一次導関数 偏微分.
? ? ? ? ? ? ? ? 多変量解析とは? 問題となっている現象 ●問題の発生原因がわからない(因果関係)
補章 時系列モデル入門 ー 計量経済学 ー.
第5章 回帰分析の諸問題(2) ー 計量経済学 ー.
相関分析.
データ解析 静岡大学工学部 安藤和敏
市場規模の予測.
第6章 連立方程式モデル ー 計量経済学 ー.
 統計学講義 第11回     相関係数、回帰直線    決定係数.
4章までのまとめ ー 計量経済学 ー.
最小自乗法.
(回帰分析)推計結果の見方(1) 決定係数 回帰式のあてはまりの良さをはかる 回帰式による予測の信頼度を見るひとつの尺度
主成分分析 Principal Component Analysis PCA
市場規模の予測.
多変量解析 ~主成分分析~ 1.主成分解析とは 2.適用例と解析の目的 3.解析の流れ 4.変数が2個の場合の主成分分析
部分的最小二乗回帰 Partial Least Squares Regression PLS
第3章補足2 多変量データの記述 統計学基礎 2010年度.
データの型 量的データ 質的データ 数字で表現されるデータ 身長、年収、得点 カテゴリで表現されるデータ 性別、職種、学歴
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年6月25日 3.1 関数近似モデル
第7章 単回帰で「消費関数」を計測する 1.所得の定義 1.1 国民純生産 国内総生産(GDP) ⇔ 所得
第3章 線形回帰モデル 修士1年 山田 孝太郎.
経営学研究科 M1年 学籍番号 speedster
データ解析 静岡大学工学部 安藤和敏
回帰分析(Regression Analysis)
データ解析 静岡大学工学部 安藤和敏
最小二乗法による線形重回帰分析 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
リッジ回帰(Ridge Regression, RR) Least Absolute Shrinkage and Selection Operator (LASSO) Elastic Net (EN) 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
重回帰分析入門 経済データ解析 2008年度.
構造方程式ゼミナール 2012年11月14日-11月21日 構造方程式モデルの作成.
重回帰分析入門 (第5章補足) 統計学 2007年度.
モデルの微分による非線形モデルの解釈 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
回帰分析入門 経済データ解析 2011年度.
空間図形の取り扱いについて.
Presentation transcript:

第3章 重回帰分析 ー 計量経済学 ー

第1節 3変数のケースの最小2乗法 第2節 t検定 第3節 重回帰に関連する諸概念 第4節 4変数以上のケース 1 3変数のケース 第1節 3変数のケースの最小2乗法 1 3変数のケース 2 回帰線が原点を通るケース 3 重相関係数 4 自由度修正済み決定係数 第2節 t検定 1 検定の問題 第3節 重回帰に関連する諸概念 1 偏相関係数 第4節 4変数以上のケース 1 4変数のケース(偏微分を利用) 2 多変数のケース(行列を利用)

第2章で考えた、独立変数が1つの場合の単純回帰分析では、経済モデルを分析する上で不十分なことがある。 (例) 消費関数において、           Y=a+bX           ↑   ↑          消費  所得   というように、説明変数を所得1つだけでなく、資産などを含む複数考えることがある。   このような、説明変数が複数の回帰モデルを重回帰モデルという。 +cW ↑ 資産

第1節 3変数のケースの最小2乗法 単回帰モデル 重回帰モデル 1 3変数のケース の推定 の推定 決定係数R2 第1節 3変数のケースの最小2乗法 1 3変数のケース 単回帰モデル 重回帰モデル    の推定 決定係数R2 個々の係数についてt検定     の推定 決定係数R2(ただし問題あり) 個々の係数についてt検定

3変数の場合には回帰直線ではなく回帰平面となる。 <3変数の場合のパラメータ推定値>   3変数の場合には回帰直線ではなく回帰平面となる。   このとき、最小2乗法は空間上にある各点との垂直方向の距離(これが残差となる)の2乗和が最小になるように回帰平面 Y=a+bX+cW を描くことである。 Y W × × × × 回帰平面 Y=a+bX+cW X

パラメータ推定値は次のようになる。 ただし

  これは残差2乗和を    で偏微分し、それらを0とおいたものを整理する。(別紙参照)   これから正規方程式といわれる次のような連立方程式が得られる。   これを解いたものがパラメータ推定値

2 回帰線が原点を通るケース Y = bX + cW+u  という、回帰平面が原点を通るモデルを考える。  このときの残差2乗和Gは  となるので、これを最小にするような   をもとめる。(具体的には   で偏微分したものを0とおく)すると、次のような正規方程式が得られる。

この方程式を解くと となる。これは(3-9)式(テキスト98ページ)と同じものである。

3 重相関係数 決定係数は単純回帰の場合同様、次のように定義される。   この式を変形すると次のように表すことができる。     (別紙参照)

重相関係数はこの平方根をとった   であり、重回帰の場合には + の値しかとらない。 決定係数は説明変数の数を増やせば増やすほど、(その説明変数が非説明変数に関係なくても)その値が1に近づく ex2-5に次のデータを加えて重回帰分析をやってみよう。  このデータは阪神タイガースのセリーグでの順位

決定係数に、説明変数の数を考慮して修正を加えたもの。 4 自由度修正済み決定係数 決定係数に、説明変数の数を考慮して修正を加えたもの。 自由度修正済み決定係数と決定係数には、次のような関係がある。 k: 変数の数

<自由度修正済み決定係数の性質と使い方> 自由度修正済み決定係数  は負の値をとることもある。   (例) n=4, R2=0.5 のとき 自由度修正済み決定係数は、説明変数の数が異なる複数のモデルで、どちらのモデルが回帰のあてはまりが良いかを判断するときなどに用いられる。 たとえば消費関数において、  のいずれのモデルが良いかを判断するためには、決定係数ではなく、自由度修正済み決定係数が有効である。

第2節 t検定 1 検定の問題 自由度修正済み決定係数は、あくまでモデル全体のあてはまりを示す指標である。個々の変数がモデルにおいて意味を持つかどうかは、t検定が利用される。 標準誤差はそれぞれ次のようになる。 ただし

 たとえば「XがYに影響を及ぼしているか」を検定するためには、H0: b=0 という帰無仮説を設定し、t検定をおこなえば良い。  この場合の検定統計量は  となるが、帰無仮説が正しいと設定して     の値を求める。  この値と、自由度n-3のt0.95とを比較すれば良い。

第3節 重回帰に関連する諸概念 1 偏相関係数 相関が高い X Y 強い影響 W YとXとの間の関係は「見せかけの相関」である。 第3節 重回帰に関連する諸概念 1 偏相関係数 相関が高い X Y 強い影響 W YとXとの間の関係は「見せかけの相関」である。 YとXとの相関が本当はどの程度かを見るためには、他の変数の影響を除いた偏相関係数で見る必要がある。

YをWに対して回帰する。すると、 となる。同様にXをWに回帰すると、 となる。 Wの影響をとり除いた部分 Wの影響による部分

この2つの残差u1,・・・,unと v1,・・・,vnの相関係数が偏相関係数である。偏相関係数は次のようになる。 偏相関係数はまた、各変数間の相関係数を用いて次のように表せる。(証明は付録(5)参照)             rYX: YとXの相関係数             rYW: YとWの相関係数             rXW: XとWの相関係数

第4節 4変数以上のケース 1 4変数のケース(偏微分を利用) 第4節 4変数以上のケース 1 4変数のケース(偏微分を利用)   4変数の場合、Y=a+bX+cW+dZというモデルになるが、パラメータ推定値は、残差2乗和を最小にする。   残差2乗和Gは となるので、これを     で偏微分したものを0とおくことによって、次のような正規方程式が得られる。

2 多変数のケース(行列を利用)  一般的なモデルとして、説明変数がm個のモデルを考える。すなわち、 Y=a+b1X1+ ・・・ +bmXmというモデルである。  このモデルに撹乱項uを加えて、n年分を書くと次のようになる。   ここで、次のように行列とベクトルを定義する。

よって、行列とベクトルを用いてあらわすと と表される。 パラメータ推定値、残差のベクトルを次のように表す。 すると、 となる。

残差2乗和Gは となるので、 を最小にする  を求める。  で偏微分して整理すると、正規方程式は これを  について解いたものがパラメータ推定値であり、 である。