92非线性模型的标准线性化.pptVIP

* §9.2 非线性模型的标准线性化 一、非线性模型变量的间接代换 有一些非线性模型通过适当的变换就可以化为标准 线性模型，这种模型称为可线性化模型。 例如：柯布-道格拉斯(Coob-Douglas)生产函数模型 （C-D函数） (9.2.1) 就是这类模型的一个典型，其中Q代表产出，L代 表劳动力投入，K代表资本的投入，u是随机项， A、α、β是参数。 对(5.2.1)两边取对数 (9.2.2) 显然，（9.2.2）是一个双对数函数模型。 设 , , , 则(9.2.2) 可改写成 (9.2.3) 对于新的变量y, x1, x2来说，(9.2.3)是一个标准线 性化模型。这种先取对数后进行变量代换的方法 叫做间接代换法。 假设随机项满足经典回归的基本假定，对(9.2.3) 应用OLS法，便可得出参数a, α, β的估计值， 再把它们代回原模型，便可得到样本回归方程： (9.2.4) 这里应注意 ， ，分别是 , β的无偏估计量， 不是的无偏估计量。 参数 表示产出对劳动投入的偏弹性。具体说， 表 示在资本投入保持不变的条件下，劳动投入每增加一 个百分点，产出将平均增加 个百分点 。β的解释类似。 例9.2.1 试将下列非线性模型线性化 (1) (2) (9.2.5) (9.2.6) 其中β0、β1为参数， u为随机项。 模型(9.2.5)可通过变换 将模型(9.2.5)化为标准线性模型 模型(9.2.6)可通过变换 将模型(9.2.6)化为标准线性模型： 二、不可线性化模型的处理方法 许多实际问题中所建立的非线性模型无法通过变量 变换的方法化为线性。例如模型 无论通过什么变换都不可能实现线性化，这样的模 型称为不可线性化模型。 对于这一类模型的参数估计，我们介绍一种常用的 一般方法，即借助于泰勒(Taylor)级数展开式进行逐 次的线性近似的估计方法—高斯—牛顿 (Gauss-Newton)迭代估计法。 （一）迭代估计法的基本思想 这种方法的基本思想是：通过泰勒(Taylor)展开先使 非线性方程在某一组初始参数估计值附近线性化， 然后对这一线性方程应用OLS法，得出一组新的参数 估计值。 (二)迭代估计法的Eviews软件计算 利用Eviews软件，可以使用高斯—牛顿迭代法估计非 线性回归模型。 我们用一个例子来说明它的使用方法。 我们利用表9.2.1中的一组数据，估计某企业的C-D函 数模型 （9.2.16） 中的参数A 、α、β，其中y代表产出，L代表劳动 投入，K代表资本投入。 方法1： 在工作文件主窗口输入命令： PARAM 1 1 2 1 3 1 表示取1，2，3三个参数A 、 α、β的初始值均取1 NLS Y=C(1)*L^C(2)*K^C(3) 写入非线性模型表达式 方法2： ①在工作文件窗口中点击序列C，并在C序列窗口中输 入参数的初始值1，本例中三个参数A 、α、β的初始 值均取1；如图9.2.1所示。 *