经济预测与决策3.3非线性回归法综述.ppt

3.3 非线性回归分析法 1 可化为线性的回归模型 2 不可化为线性的回归模型 3 非线性回归应用的几个问题 4 预测实例 学习目标 了解：非线性回归模型的一般形式 理解：可线性化的非线性回归的形式变换、不可线性化的参数估计方法。 掌握：应用Eviews软件进行非线性趋势预测 几点说明： （1）在方程描述对话框中，点击Option按钮，可以设置迭代估 计的最大迭代次数(Max Iteration)和误差精度(Convergence)，以便控制迭代估计的收敛过程。 （2）利用NLS命令也可估计可划为线性的非线性回归模型。例如 NLS y=c(1)+c(2)/x NLS y=c(1)+c(2)*ln(x) （3）迭代估计是一种近似估计，并且参数初始值和误差精度的设定不当还会直接影响模型的估计结果，甚至出现错误。 * 1 可化为线性的回归模型 一、非线性回归模型的直接代换 1. 多项式函数模型 令 原模型可化为线性形式 即可利用线性回归分析的方法处理了。 新引进的自变量只能依赖于原始变量，而不能与未知参数有关。 任何一连续函数都可用分段多项式来逼近，所以在实际问题中，不论变量y与其他变量的关系如何，在相当宽的范围内我们总可以用多项式来拟合。 2. 双曲线模型 令 原模型可化为线性形式 即可利用线性回归分析的方法处理了。 3. 半对数函数模型和双对数