非负回归系数的线性回归模型的构建.docVIP

非负回归系数的线性回归模型的构建 谢 忠 秋 （江苏常州，江苏技术师范学院经济管理系，213001） 摘要：本文针对某些线性回归模型负的回归系数不具有实际的物理意义和经济意义的问题，提出了非负回归系数的线性回归模型构建的新方法。与现有的方法相比较，该方法具有简单和易操作的特点。在实际中具有一定的应用价值。 关键词：非负回归系数 非负回归系数线性回归模型 引言 在许多的实际问题中，必须要求线性回归系数为非负，否则没有实际意义。例如在方开泰等人研究的配方问题中就是如此。在配方问题中，每个成分的线性回归系数相当于它在总配方中的比例，若线性回归系数为负就失去了物理意义（1982，1985）。而事实上，在用线性回归模型反映实际经济问题时，我们也会常常遇到这样的情况，就是线性回归模型的回归系数从经济意义上进行阐释，应为正数，但根据最小二乘法所确定出的线性回归模型的某一个或某几个回归系数却偏偏为负数，从而出现了其计算结果与经济分析相互矛盾的情形。对此种情况，通常的做法就是运用一定的方法将该变量从回归模型中消除。如果说，对于不太重要的变量，这样做还没有多大影响的话，那么对于一些非常重要的变量，这样做就可能会产生一些消极的作用，如回归模型失真等等。那么，能否在遵守一定规则的前提下，通过某种科学的方法使负的回归系数转变为正的回归系数呢？这就是有关非负回归系数的线性回归模型的构建问题。显然，我们有必要这一问题进行研究，这将有助于人们更好地利用线性回归模型对实际物理问题和实际经济问题作出合理的阐述和解释。 对非负回归系数的线性回归模型的构建问题，Waterman在1974年曾进行过讨论，他建议用一切可能回归的办法来求最小二乘估计；我国学者方开泰、王东谦、吴国富也在1982年对这一问题展开研究，提出了立足于矩阵的消去变换方法；而后方开泰、贺曙东又在1985年对这一方法作了进一步的改进，使这一方法的应用更具一般性（1）、（2）。显然，他们的贡献是巨大的。但也应该看到，这些方法在实际应用上还存在着一定的缺陷，最大的缺陷就是它们的计算过程还相当复杂，而这对于很多的人来说，无疑是一道难以逾越的障碍。本文试图给出另一种解决方案。该方案对于熟悉统计学和稍有数学基础的人是容易接受和掌握的。 研究思路和方法 设多元线性回归模型为： （2.1） 对于非负回归系数的线性回归模型来说，如果根据最小二乘法所求出的俱能在经济意义上解释得通，则意味着上述模型符合要求，直接应用即可。而事实上，在许多实际的线性回归模型中，当某一个或某几个变量的回归系数表现为负数时，往往表现出与实际经济意义的解释并不相符的情形。换句话说，只有表现为非负时，才具有经济意义上的合理性。如果出现这种情况，则意味着该模型不符合非负回归系数线性回归模型的要求。此时，一个简单而自然的想法就是根据某些规则通过一些变换，将负的回归系数（注意：并不是所有的负的回归系数，而只是那部分不具有经济意义上的合理性的负的回归系数）转变为非负的回归系数。有关变换规则及过程如下： 1、对不具有经济意义上合理性的负的回归系数（为简便计，不妨直接称之为负的回归系数，下同）乘以一个负的调整系数，使之变换为非负回归系数。设非负回归系数为，负的回归系数为，负的调整系数为，则，。（2.2） 2、由于变换为，则必然引起具有经济意义上合理性的回归系数（为简便计，也不妨直接称之为正的回归系数，下同）的回归系数的变动。设变动后的正的回归系数为，变动前的正的回归系数为，正的回归系数调整系数为，则，（2.3） 3、同样，由于变换为，变换为，也必然会引起截距项的变动。设变动后的截距项为，变动前的截距项为。 4、为保证为负，为正，令。（2.4） 5、不管回归系数如何变化，总是要求变化后的剩余变差与变化前的剩余变差相等，即： （2.5） 于是，非负回归系数线性回归模型为： （2.6） 用最小二乘法，则要求： 于是，（2.6）式就可变换为下列模型： （2.8） （2.8）式的含义是在（2.2）式、（2.3）式条件下求（2.7）式的最小值。显然，对于（2.8）式可以用拉格朗日乘数求条件极值的方法求出该模型的解。 构成函数： 求其对的偏导数，并使之为零，得到： 分别对上述各式进行整理得： （2.9） 显然，要求出的值，关键在于求出。 由（2.5）式，即： 将（2.2）式和（2.3）式代入上式得： 将（2.4）式代入（2.12）式，则有： （2.13） 进一步整理得： （2.1