回归方程概述.pptVIP

* 5.6 双曲线模型 * 5.6 双曲线模型 在图5-3a中，若Y表示生产的平均固定成本（AFC），也即总固定成本除以产出，X代表产出，则根据经济理论，随着产出的不断增加，AFC将逐渐降低，最终接近其渐进线。 图5-3b描绘了恩格尔消费曲线（Engel expenditure curve)：消费者对某一商品的支出占其总收入或总消费支出的比例。该商品有以下特征（1）收入有一个临界值（2）消费有一个满足水平。 图5-3c描绘了菲利普斯曲线(Philips curve)。Y表示英国货币工资变化的百分比，X表示失业率。 * 例5.6 1958-1969年美国的菲利普斯曲线（P113） * 例5.6 1958-1969年美国的菲利普斯曲线 模型（5-29）拟合了表5-6给出的数据，回归结果如下： t=(-0.2572) (4.3996) r2=0.6594 图5-4a给出了该回归线。 * 例5.6 1958-1969年美国的菲利普斯曲线 * 例5.6 1958-1969年美国的菲利普斯曲线 作为比较，我们给出根据相同数据得到的线性回归结果： t=(6.4625) (-3.2605) r2=0.5153 比较这两个模型可以看出，双曲函数模型比线性模型更好地拟合了样本数据。 需要根据具体情况选择合适的模型。经济理论对选择适当的模型有很大的帮助。 * 例5.7 共同基金收取的咨询费 表5-7给出了美国共同基金支付给投资顾问管理资产的费用。从图5-6可以看出，基金的净资产越高，咨询费就越低。因此选择模型如下： 根据表5-7的数据，回归得到方程。 0.000001 Prob(F-statistic) 0.330726 Durbin-Watson stat 104.5451 F-statistic 34.04291 Log likelihood -5.25967 Schwarz criterion 0.002413 Sum squared resid -5.34049 Akaike info criterion 0.015535 S.E. of regression 0.050129 S.D. dependent var 0.903968 Adjusted R-squared 0.432317 Mean dependent var 0.912698 R-squared 0 -10.2247 0.000243 -0.00248 X 0 61.13904 0.008224 0.502802 C Prob. t-Statistic Std. Error Coefficient Variable Included observations: 12 Sample: 1 12 Method: Least Squares Dependent Variable: Y 0.032232 Prob(F-statistic) 0.551052 Durbin-Watson stat 6.178255 F-statistic 22.29911 Log likelihood -3.30237 Schwarz criterion 0.017086 Sum squared resid -3.38319 Akaike info criterion 0.041335 S.E. of regression 0.050129 S.D. dependent var 0.320075 Adjusted R-squared 0.432317 Mean dependent var 0.381886 R-squared 0.0322 2.48561 0.022099 0.05493 1/X 0 32.69715 0.012858 0.420412 C Prob. t-Statistic Std. Error Coefficient Variable Included observations: 12 Sample: 1 12 Method: Least Squares Dependent Variable: Y * 5.7 多项式回归模型 * 5.7 多项式回归模型 图5-5描绘了总成本函数（是产出的函数）曲线和边际成本（MC）及平均成本（AC）曲线。 Y表示总成本（TC），X表示产出，总成本函数可以表示为： 形如式（5-32）的函数又称为立方函数（三次多项式函数）。 可以把它看作多元回归方程，用OLS方法来估计参数。 * 5.7 多项式回归模型（P117） Y（$) 193 226 240 244 257 260 274 297 350