离散数学0903899.pptVIP

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。 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 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 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 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 关于瞬时增长率和复合增长率 b2=ln(1+r)?r=eb2-1 线性趋势模型： Yt=B1+B2t+ut 增长模型在实践中得到广泛应用的原因是，人们通常关注的是经济变量的相对变化，而非绝对变化 由于两个模型的变量不同，故不能直接比较它们的r2。 半对数模型： 线性－对数模型：解释变量为对数形式 线性－对数模型常用于研究解释变量每百分比变动引起应变量的绝对变化量。 倒数模型(Reciprocal Model)：倒数模型的特征：随着X的无限增大，Y接近渐近值或极限值B1 三种常见形式：P193,图9-4 图 9-4 例：9-6：美国的菲利普斯曲线 Figure 9-5 例9-7 共同基金收取的咨询费 多项式回归模型Polynomial model 一般来说，令Y表示总成本，X表示产出，则二者关系可表示如下： Yi=B1+B2Xi+B3Xi2+B4Xi3 根据价格理论，边际成本曲线和平均成本曲线为U型，故有： B1,B2,B40； B30 B323B2B4 Figure 9-8 上述模型关于变量非线性，但却是参数线性。 一般来说，X的不同次方项之间可能相关，却不会完全共线。 例：9-8 假想的总成本函数 例如，描述税收与税率关系的拉弗曲线：抛物线： s = a + b r + c r2 其中，s：税收； r：税率c0 设X1 = r，X2 = r2， 则原方程变换为s = a + b X1 + c X2c0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