经典单方程计量经济学模型：多元线性回归模型.ppt

按（***）式估计 按（****）式估计 四、非线性约束 说明 非线性约束检验是建立在最大似然原理基础上的。主要的检验： 最大似然比检验（likelihood ratio test, LR） 沃尔德检验（Wald test, W） 拉格朗日乘数检验（Lagrange multiplier test, LM） 它们的共同特点是：在大样本下，以共同的检验为基础，而自由度就是约束条件的个数。 本节不作为教学内容，供有兴趣的同学自学。 2、邹氏预测检验 如果出现n2k ，则往往进行如下的邹氏预测检验（Chow test for predictive failure）。 邹氏预测检验的基本思想: 先用前一时间段n1个样本估计原模型，再用估计出的参数进行后一时间段n2个样本的预测。 如果预测误差较大，则说明参数发生了变化，否则说明参数是稳定的。 转变为约束回归问题。 邹氏预测检验步骤： 在两时间段的合成大样本下做OLS回归，得受约束模型的残差平方和RSSR ； 对前一时间段的n1个子样做OLS回归，得残差平方和RSS1 ； 计算检验的F统计量，做出判断： 给定显著性水平?，查F分布表，得临界值F?(n2, n1-k-1)，如果 FF(n2, n1-k-1) ，则拒绝原假设，认为预测期发生了结构变化。 例3.6.3 中国城镇居民食品人均消费需求的邹氏检验。 参数稳定性检验 1985~1997： RSS1=0.0083 1998~2006： 1985~2006: RSS2=0.0008 RSSU=0.0178 给定?=5%，查表得临界值F0.05(3, 16)=3.24 结论：F值临界值，拒绝参数稳定的原假设，表明中国城镇居民食品人均消费需求在1998年前后发生了显著变化。 条件是X的列满秩 考虑要不要补充线代的内容 这个视时间而定，不过，我估计没时间来讲 F检验处回答了这个问题 3、复杂函数模型与级数展开法 方程两边取对数后，得到： (?1+?2=1) Q:产出量，K：资本投入，L：劳动投入 ?：替代参数， ?1、?2：分配参数 例如，常替代弹性CES生产函数 将式中ln(?1K-? + ?2L-?)在?=0处展开台劳级数,取关于?的线性项，即得到一个线性近似式。 如取0阶、1阶、2阶项，可得 二、可化为线性的非线性回归实例 例3.5.1 建立中国城镇居民食品消费需求函数模型。 根据需求理论，居民对食品的消费需求函数大致为 Q:居民对食品的需求量，X：消费者的消费支出总额 P1：食品价格指数，P0：居民消费价格总指数。 零阶齐次性，当所有商品和消费者货币支出总额按同一比例变动时，需求量保持不变 (*) (**) 为了进行比较，将同时估计（*）式与（**）式。 根据恩格尔定律，居民对食品的消费支出与居民的总支出间呈幂函数的变化关系: 首先,确定具体的函数形式 对数变换: 考虑到零阶齐次性时 (***) (****) (****)式也可看成是对（***）式施加如下约束而得 因此，对（****）式进行回归，就意味着原需求函数满足零阶齐次性条件。 X：人均消费 X1：人均食品消费 GP：居民消费价格指数 FP：居民食品消费价格指数 Q：人均食品消费（90年价） P0：居民消费价格缩减指数（1990=100） P1：居民食品消费价格缩减指数（1990=100） 具体解释估计结果及其经济含义。 具体解释估计结果及其经济含义。 三、非线性最小二乘估计 ⒈ 普通最小二乘原理 残差平方和 取极小值的一阶条件 如何求解非线性方程？ ⒉ 高斯－牛顿(Gauss-Newton)迭代法 高斯－牛顿迭代法的原理 对原始模型展开台劳级数，取一阶近似值 构造并估计线性伪模型 构造线性模型 估计得到参数的第1次迭代值 迭代 高斯－牛顿迭代法的步骤 ⒊ 牛顿－拉夫森(Newton-Raphson)迭代法 自学，掌握以下2个要点 牛顿－拉夫森迭代法的原理 对残差平方和展开台劳级数，取二阶近似值； 对残差平方和的近似值求极值； 迭代。 与高斯－牛顿迭代法的区别 直接对残差平方和展开台劳级数，而不是对其中的原模型展开； 取二阶近似值，而不是取一阶近似值。 ⒋应用中的一个困难 如何保证迭代所逼近的是总体极小值（即最小值）而不是局部极小值？ 一般方法是模拟试验：随机产生初始值→估计→改变初始值→再估计→反复试验，设定收敛标准（例如100次连续估计结果相同）→直到收敛。 ⒌非线性普通最小二乘法在软件中的实现 给定初值 写出模型 估计模型 改变初值 反复估计 ⒍例题 例3.5.1 建