回归模型的函数形式教案分析.ppt

例：9-9 吸烟与肺癌的关系 表9-9 无截距回归——过原点的回归 Yi=B2Xi+ui 无截距模型与一般的模型不同在于： 无截距模型使用了原始的平方和及交叉乘积，而有截距使用了均值调整后的平方和及交叉乘积； 在样本方差时的自由度为n-1,而非n-2（只有一个未知参数）； 无截距模型一般不计算r2； 有截距模型的残差平方和，总为0，但无截距模型不一定为0。 关于度量比例和单位的说明 例：关于私人总投资（GDI）与国内生产总值（GDP）的关系，P201 结论： 所有回归的相同； 截距的单位总是与应变量的单位一致； 若Y和X的度量单位相同，则斜率系数及其标准误相同，但截距及共标准误不同； 若Y和X的度量单位不同，则斜率系数不同，但截距不变。 本章小结 本章主要介绍了不同的回归模型——参数线性，但不一定变量线性。每种模型的特殊性质及其适用条件。具体见表9-11 Figure 9-11 Summary of functional forms. 第二部分 线性回归模型 Chp 9：回归模型的函数形式 主要内容 对数模型——度量弹性 半对数模型 对数－线性模型——度量增长率 线性－对数模型——解释变量为对数形式 倒数模型 多项式模型 零截距模型 小结 问题的提出 在很多时候，自变量的变化与应变量并不是简单的线性关系，如考虑某一段时间内，某个经济变量增长率，如GDP增长率／货币供应／失业率等，这就需要引入回归模型的其他一些函数形式。 在实际经济活动中，经济变量的关系是复杂的，直接表现为线性关系的情况并不多见。 如著名的Cobb- Dauglas生产函数表现为幂函数曲线形式、宏观经济学中的菲利普斯曲线（Pillips cuves）表现为双曲线形式等。 但是，大部分非线性关系又可以通过一些简单的数学处理，使之化为数学上的线性关系，从而可以运用线性回归模型的理论方法。 因变量和解释变量之间的线性关系，包括参数线性和解释变量线性两种。前面的分析假定总体回归函数的形式为： 但是根据经济现实或经济理论，变量之间不一定存在这种形式的线性关系。如参数线性形式的回归函数： 或参数、变量均为非线性形式的函数关系，如C-D生产函数： 对于这些不符合线性假定的模型进行参数估计，必须加以适当的变换以后，才能用OLS方法估计模型参数。 一、对数模型Double log model ——度量弹性 考虑博彩支出的例子： Y：博彩支出；X：个人可支配收入（PDI） 上式可转化为： lnYi=lnA+B2lnXi 模型特点：关于变量非线性 lnYi=lnA+B2lnXi lnYi=B1+B2lnXi lnYi=B1+B2lnXi +ui lnYi=lnA+B2lnXi 特点： 双对数模型的特性： 模型关于变量和参数都是线性的； 斜率B2度量了Y对X的弹性，即X的单位变动引起Y变动的百分比。 双对数模型的假设检验 图 9-1 A constant elasticity model. 博彩的例子（数据见下，课堂操作） 表9-1 每周的博彩支出Y与个人可支配收入X Y X 18 24 26 23 30 27 34 35 33 40 150 175 200 225 250 275 300 325 350 375 线性模型与双对数回归模型的比较 回归模型的函数形式在一定程度上是个经验性问题。模型选择中的经验规律一般如下： 根据数据作图——只适用于双变量情形； 根据r2的大小选择的不当之处：两模型的应变量不同，一个是Y，一个是lnY 解释变量的选择一般应考虑变量之间的相关性（理论基础）、解释变量系数的预期符号、统计显著性、弹性系数等度量工具。 线性模型的弹性系数随着需求曲线上的不同点而变化，而双对数模型需求曲线上任何一点的弹性系数都是相同的。 多元对数线性回归模型 lnYi=B1+B2lnX2i+B3lnX3i+ui 其中，B2,B3又称为偏弹性系数，它们度量了在其他变量保持不变 条件下，应变量对某一解释变量的偏弹性。 例：柯布－道格拉斯生产函数 反应了产出与劳动力和资本投入之间的关系函数。 劳动投入弹性+资本投入弹性＝规模报酬参数 规模报酬递增 规模报酬递减 规模报酬不变 例9-3：对能源的需求 二、半对数模型(semilog model) 对数－线性模型——测量增长率 半对数模型：仅有一个变量以对数形式出现 Yt=Y0(1+r)t lnYt=lnY0+tln(1+r) lnYt=B1+B2 · t Yt*=B1+B2· t 斜率度量了解释变量的绝对变化引起的Y的比例变动或相对变动。 如果在上式中考虑进随机扰动项，则： lnYt=B1+B2 · t+ut 例：9-4关于美国人口增长率 关于瞬时增长率和