lunwengai对数….docVIP

指数函数自回归模型的自回归分析 摘要：本文首先介绍了回归模型及自回归的基本概念及思想，然后进一步将自回归模型的回归分析推广到指数函数自回归模型的自回归分析，获得了指数函数自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量. 关键词：指数函数；自回归模型；自回归分析 近年来，许多学者分别研究了线性自回归模型在物流、经济预测、决策、财政、货币政策等领域的极其广泛的应用.实际上，大量的社会经济问题的模型均呈现非线性形式，因此探讨非线性自回归模型的自回归分析显得非常重要.文献[1]中给出了线性自回归模型的自回归分析，作为文[1]研究的继续，本文给出指数函数自回归模型的自回归分析. 1、回归模型 1.1模型的一般形式 如果变量，，， ．．． ，与随机变量之间存在着相关关系，通常就意味着每当，，， ．．． ， 选定值后，便有相应的概率分布与之对应。随机变量与相关变量，，， ．．． ，之间的概率模型为 （*） 其中，随机变量称为被解释变量（因变量）；，，， ．．． ，称为解释变量（自变量）。在计量经济学中，也称因变量为内生变量，自变量为外生变量；为一般变量，，， ．．． ，的确定性关性关系，为误差变量。 1.2模型假设 当概率模型（*）式中回归函数为线性函数时，有 其中，，，，···为未知参数,常称他们为回归参数。为了估计回归参数，通线性回归模型应该满足一下几个基本假设： （1）解释变量，，，··· ，为非随机变量，观测值，，···，是常数。 （2）G-M条件，即等方差及不相关的假设条件为 （3）正态分布的假定条件为 相互独立 （4）通常为了便于数学上的处理，还要求，即样本容量的个数要多于解释变量的个数。 （5）当概率模型（*）式中回归函数为非线性函数时，一般可以通过转化构成线性函数。 2、自回归模型 2.1自回归的定义 自回归(autoregressive)，是利用观测值Yt与以前时期的观测值之间的关系来预测Y值的一种多元回归方法。其中因变量是观测值Yt，而自变量则是因变量的滞后值Yt-1，Yt-2，...。 例： 　　本例中y的现期值与它自身的一期滞后值相联系，即依赖于它的过去值。一般情况可能是： 即y的现期值依赖于它自身若干期的滞后值，还依赖于其它解释变量。 在本例中，滞后的因变量（内生变量）作为解释变量出现在方程的右端。这种包含了内生变量滞后项的模型称为自回归模型。 2.2自回归模型类型 自回归模型的应用十分广泛，而且其类型多样，比如空间自回归模型，向量自回归模型，多维自回归模型，门限自回归模型，时间序列自回归模型等。 3、指数函数自回归模型的自回归分析 引理 已知统计资料若建立回归方程则 估计标准误 当时，，y的平均置信区间为： ； 在显著水平下检验是否具备总体线性关系,就是判断是否拒绝，则检验统计量为 根据以上引理对指数函数自回归模型进行分析如下： 已知时间序列{}，若建立指数函数自回归方程=（),取对数，则由文[1]的引理1知，得 ， ； 的平均值的置信区间为 在显著水平下检验是否具备总体指数函数关系取对数就是判断是否拒绝则由引理知，得检验统计量为 （2） 已知时间序列{}，若建立指数函数自回归方程： （）， 取对数， 则有： 由文[1]引理4知， 得： ， ， 估计标准误公式为： ； 的点估计公式为： ，的总体条件平均数的置信区间为： ， 注：， . 已知时间序列{}，要在显著水平下检验是否具备总体指数函数自回归关系 ， 取对数 ， 则有： ，就是判断是否拒绝，即则由文[1]引理5知， ； 得检验统计量为：. （3） 已知时间序列{}，若建立指数函数自回归方程： （）， 取对数， 则有： ， 由文[1]的引理4知， ； 估计标准误为： ； 的点估计公式为： ，的总体条件平均数的置信区间为： 注： , ; 已知时间序列{}，要在显著水平下检验是否具备总体指数函数自回归关系 ， 取对数 ， 则有： 就是判断是否拒绝和，即，则由文[1]引理5知， ； ； 得检验统计量为： ， . 推理完毕。 遇到的问题 对以前的已知一些离散点求函数式的解法生疏，需要多查阅书籍进行回忆理解。 对于指数函数自回归模型的自回归分析的推算过程过于繁琐。 由于指数函