2.5 非线性回归模型.pptVIP

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
* 经典假设的一元线性回归模型。一元线性回归模型式 所描述的是这样一种现象:当X变动一个绝对量时,Y 以一个固定的绝对量随之变动。在现实的经济关系 中,经济变量之间其实很少有这样的线性关系。前面 我们之所以花如此大量的篇幅来详细介绍一元线性回 归模型,是因为其他更为复杂的非线性模型或多元回 归模型,在估计、检验、预测等一系列理论和方法上 与一元线性回归模型是相通的。因此,必须首先对一 元线性回归模型的理论方法中引申出来的。因此,在 熟练掌握一元线性回归模型的基础上再来学习本节, 就可以驾轻就熟了。 §2.5 可化为线性的非线性回归模型 前面我们学习的是最简单的经济计量模型——满足 一元线性回归模型的扩展:一元非线性回归模型 1 X i Yi = β0 + β1 + μi Yi相对于Xi都是非线性的,这种Xi与Yi之间的关 系称为非线性相关。 统计学上的“非线性”概念有两种所指: 一类是相对于解释变量非线性。 2 Yi = β0 + β1 X i + μi , 另一类是相对于参数非线性 前一类可以通过变量变换转化为为线性回归模 型,从而应用前面所介绍的一整套估计、检验方 法。后一类则无法转化为线性模型,参数的估计检 验方法也因此而不同(对此未作要求)。本节仅讨 论要第一类非线性模型。 β1 = = 现实经济关系中,双对数模型、半对数模型、倒数 变换模型是三类常见的非线性模型。 1、双对数模型 双对数模型形式 ln Yi = ln β 0 + β1 ln X i + μi (2.5.1) 双对数模型特点 斜率系数β1正好是Y关于X的弹性。 dX i X i dYi Yi d ln Y d ln X (2.5.2) Yi = β0 + β1 X i + μi 例如,当Y表示商品需求量,X表示价格时,则β1就 是商品需求的价格弹性,表示:价格变动百分之一导至 的需求量变动的百分比。 由于在模型中β1是常数,故(2.5.1)式也称为常数 弹性模型。 对观测值取对数,将取对数后的观测值(lnX,lnY) 描成散点图,如近似地为一条直线,则适合于用双对数模型 来描述X与Y的变量关系。 (2.5.3) (2.5.3)式的估计和检验完全可以参照一元线性模型进行。 模型适用对象 模型估计与检验 通过变量替换使模型线性化。 2、半对数模型 模型形式 i Y = β0 + β1 ln X i + μi (2.5.4) 模型特点 在(2.5.4)式中,β1表示当X变动一个绝对量时, Y变动的百分比。Y对X的弹性表现为: dYi dX i Yi X i β1 Yi = ln Yi = a0 + a1 X i + μi (2.5.5) 在(2.5.5)式中,a1表示当X变动一个绝对量时, Y变动的百分比。Y对X的弹性表现为: dYi Yi dX i X i = a1 ? X i 这样的模型也叫做增长模型。 = X ln X i i , Yi = β0 + β1 X + μi 例如以Y表示GDP,X表示时间,则a1就是GDP的平 均增长率。 当X变动一个相对量时,Y以一个固定的绝对量随之 变动,适宜用(2.5.4)式描述。当X变动一个绝对量时, Y以一个固定的相对量随之变动,适宜用(2.5.5)式描述。 模型估计与检验 ln Yi = Yi 模型适用对象 令 令 (2.5.4)式可线性化为: 1 (2.5.5)式可线性化为: Yi = a0 + a1 X i + μi (2.5.6) (2.5.7) (2.5.6)式和(2.5.7)式的估计和检验完全可以参照一元 线性模型进行。 *

文档评论(0)

ygxt89 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档