经济计量学(第版)剖析.pptVIP

第 5 章 回归模型的函数形式 5.1 如何度量弹性：双对数模型 例5-1 数学S.A.T分数一例 5.2 线性模型与对数线性模型的比较 5.3 多元对数线性回归模型 例5-2 柯布-道格拉斯生产函数 例5-3 对能源的需求 5.4 如何测度增长率：半对数模型 例5-4 1970～1999年美国人口增长率 5.4.1 瞬时增长率与复合增长率 由(5-14)式，有 b2=B2的估计值=ln(1+r) 因此： antilog(b2)=(1+r) 于是： r=antilog(b2)-1 (5-21) (r 是复利增长率) 5.4.2 线性趋势模型 线性趋势模型： Yt=B1+B2t+ut (5-22) 5.5 线性对数模型：解释变量是对数形式 例5.5 个人总消费支出与服务支出的关系（1993-1～1998-3，1992年美元价，10亿美元 5.6 倒数模型 例5-6 1958-1969年美国的菲利普斯曲线 5.7 多项式回归模型 例5-8 总成本函数： 5.11 不同函数形式模型小结 5.12 总结 （1）双对数模型。应变量和解释变量都是对数形式。 （2）对数-线性模型。应变量是对数形式，但解释变量是线性形式。 （3）线性-对数模型。解释变量是对数形式，但应变量是线性形式。 （4）倒数模型。应变量是线性形式，但解释变量是倒数形式。 （5）多项式模型。解释变量以不同次方形式进入模型。 根据表5-4提供的数据，拟合的回归方程如下： Se= (0.2717) (0.01536) t= (743.27) (152.12) r2=0.9988 P值= (0.0000) (0.0000) 回归结果表明，在样本区间内，美国人口每年以2.3285（百万）的绝对速度增长。因此，在此期间，美国人口表现出一个向上的趋势。 见Eviews输出结果。 0.000000 Prob(F-statistic) 0.107636 Durbin-Watson stat 23141.80 F-statistic -31.91247 Log likelihood 2.354245 Schwarz criterion 14.74374 Sum squared resid 2.260832 Akaike info criterion 0.725646 S.E. of regression 20.51101 S.D. dependent var 0.998748 Adjusted R-squared 238.0643 Mean dependent var 0.998792 R-squared 0.0000 152.1243 0.015306 2.328485 T 0.0000 743.2718 0.271735 201.9727 C Prob. t-Statistic Std. Error Coefficient Variable Included observations: 30 Sample: 1970 1999 Method: Least Squares Dependent Variable: Y 比较用线性趋势模型和半对数模型对数据拟合的结果，发现两个模型的拟合效果都不错，且都通过了t检验。如何选择？ 线性趋势模型可以度量经济变量的绝对变化，增长模型(半对数模型)可以度量经济变量的相对变化（相对增长、增长率），通常人们更关注相对变化量。 需要注意的是，比较这两个模型不能通过r2来判断，两个模型的残差平方和等也没有可比性，因为两个模型的应变量不相同。 在上一节，我们讨论的半对数模型是：应变量是对数形式而解释变量是线性形式的增长模型，这类模型也称为对数－线性模型(log-lin model)。 本节将讨论另一种半对数模型：应变量是线性形式而解释变量是对数形式的模型。称为线性－对数模型(lin-log model)。 因为对模型： 有： 所以线性对数模型常用于研究解释变量每变动1%，相应应变量的绝对变化量的情形。 在有多个对数形式的解释变量的模型中，偏斜率系数度量了在其他变量保