非现行模型的线性化.pptVIP

第4章 非线性回归模型的线性化 幂函数模型 指数函数模型 对数函数模型 双曲线函数模型 多项式方程模型 生长曲线模型 (4) 双曲线函数模型 总成本函数的估计 * * 有时候变量之间的关系是非线性的。虽然其形式是非线性的，但可以通过适当的变换，转化为线性模型，然后利用线性回归模型的估计与检验方法进行处理。称此类模型为可线性化的非线性模型。 以下非线性回归模型是无法用最小二乘法估计参数的。可采用非线性方法进行估计。估计过程非常复杂和困难，计算机的出现大大方便了非线性回归模型的估计。专用软件使这种计算变得非常容易。 下面介绍几种典型的可以做线性化处理的非线性模型。 (1) 幂函数模型(全对数模型) (b 1) (0b 1) (b = -1) (b -1) (0 b -1) b取不同值的图形分别见上图。对上式等号两侧同取对数，得 Lnyt = Lna + b Lnxt + ut 令yt* = Lnyt, a* = Lna, xt* = Lnxt, 则上式表示为 yt* = a* + b xt* + ut 变量yt* 和xt* 之间已成线性关系。幂函数模型也称作全对数模型。 Cobb-Douglas生产函数（二元幂函数） (1) 幂函数模型(全对数模型) 例4.1： Cobb-Douglas生产函数（台湾） (2) 指数函数模型 上式等号两侧同取自然对数，得 Lnyt = Lna + b xt + ut 令Lnyt = yt*, Lna = a*, 则 yt* = a* + b xt + ut 变量yt* 和xt已变换成为线性关系。其中ut表示随机误差项。 某硫酸厂生产的硫酸的透明度一直达不到优质指标。经分析透明度低与硫酸中金属杂质的含量太高有关。影响透明度的主要金属杂质是铁、钙、铅、镁等。通过正交试验的方法发现铁是影响硫酸透明度的最主要原因。测量了47个样本，得硫酸透明度（y）与铁杂质含量（x）的散点图如下： 案例1：硫酸透明度与铁杂质含量的关系 （指数函数案例） （1） y = 121.59 - 0.91 x （2） 1/y = 0.069 - 2.37 (1/x) (10.1) (-5.7) (18.6) (-11.9) R2 = 0.42, s.e. = 36.6, F= 32 R2 = 0.76, s.e. = 0.009, F= 142 案例1：硫酸透明度与铁杂质含量的关系 （指数函数案例） （3）y = -54.40 + 6524.83 (1/x) （4）Lny = 1.99 + 104.5 (1/x) (-7.2) (16.3) (22.0) (21.6) R2 = 0.86, s.e. = 18.2, F= 266 R2 = 0.91, s.e. = 0.22, F= 468 还原，Lny = Ln(7.33) + 104.5 (1/x) （5）非线性估计结果是 R2 = 0.96 EViews命令：Y=C(1)*EXP(C(2)*(1/X)) 样本内预测评价： 案例1：硫酸透明度与铁杂质含量的关系 （指数函数案例） 样本点与指数拟合曲线 (3) 对数函数模型 yt = a + b Lnxt + ut , (b 0) yt = a + b Lnxt + ut , (b 0) 令xt* = Lnxt, 则 yt = a + b xt* + ut 变量yt 和xt* 已变换成为线性关系。 (b 0) (b 0) 28个省市自治区1985?2005年城镇居民人均食品支出（food）与人均收入（income）的关系 案例2：28个省市自治区1985?2005年城镇居民 人均食品支出（food）与人均收入（income）的关系 1/yt = a + b/xt + ut 或 yt = 1/ (a + b/xt + ut) 令yt* = 1/yt, xt* = 1/xt，得 yt* = a + b xt* +