第五章：回归模型的函数形式与变量类型技术分析.pptxVIP

回归、一元、多元 函数形式、变量类型、模型设定 自相关、异方差、多重共线和随机解释变量 计量基础 方法论 理论拓展 回归模型的函数形式与变量类型 授课：梁海兵 参数线性，变量线性 现实问题：许多经济现象，参数线性/变量线性回归模型并不适合！ 参数线性，变量非线性 主要讲解内容 模型的类型与变换； 非线性模型的特殊含义与应用； 非线性普通最小二乘法及其应用。 一、模型的类型与变换 至今为止，我们都假设未知的总体回归线是线性的，拟合优度检验及变量显著性检验也都是对函数形式的线性检验。 然而，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。 1. 变量置换法 适用对象：倒数模型、多项式模型 一般地，关于解释变量的非线性问题都可以通过变量置换变成线性问题。 2. 函数变换法 适用对象：幂函数模型、指数函数模型 如果是关于参数的非线性问题，变量置换法就无能为力了，函数变换是常用的方法 3. 复杂函数模型与级数展开法 4. 无法线性化的模型 一般形式为： 非线性函数 可线性函数 二、非线性模型的特殊含义与应用 虽然某些非线性模型对于我们估计来说存在一定的困难，但结合实际经济活动，它们往往有着特殊的含义和重要的应用。 1. 双对数模型：如何度量弹性 弹性模型 拓展：多元对数线性回归模型 一个重要应用：农业技术进步率的测量 比较线性和双对数回归模型：究竟选择哪个模型呢？ 规律之一：根据数据作图，依图趋势建模。 为什么不根据r2选择模型？ 1.要比较两个模型r2值，因变量的形式必须相同； 2.根据r2定义，线性模型和双对数模型度量意义不同。 在线性模型和对数线性模型之间选择：MWD检验 零假设H0：线性模型：Y是X的线性函数。 备择假设H1：对数线性模型：LnY是X或LnX的线性函数。 MWD检验步骤如下： （1）估计线性模型，得到 Y的估计值 （2）估计线性对数模型，得到 LnY 的估计值 （3）求 （4）做 Y 对 X 和 Z1i 的回归 如果根据 t 检验 Z1i 的系数是统计显著的，则拒绝 H0 （5）求 （6）做 LnY 对 X 或 LogX 和 Z2i 的回归 如果 Z2i 的系数是统计显著的，则拒绝 H1 2. 半对数模型：如何测度增长率 增长率 增长率模型 3. 线性-对数模型 增长模型 解释变量每百分比变动引起因变量的绝对变化量 三、非线性普通最小二乘法 一个参数为例 非线性最小二乘法：应用举例 墨西哥1955-1974生产函数 数学SAT分数函数 1975-2007美国人口增长率 假设：消费收入的指数函数 假设：消费收入的倒数函数 到目前为止，在所考虑的线性回归模型中，解释变量都是数值变量或定量变量。但事实上有些时候，解释变量可能是定性变量。 虚拟变量（Dummy Variables） 主要讲解内容 虚拟变量的性质； 虚拟变量的设定规则； 虚拟变量的引入方式； 参数邹检验； 被解释变量的类型； 线性概率模型初步； 极大似然估计法原理。 一、虚拟变量的性质 常见定量变量：收入、产出、成本、价格、重量、温度等 常见定性变量：性别、种族、肤色、宗教、民族、婚姻、政团关系等 具备或不具备某种性质 定量化 0 1 不具备某种性质 具备某种性质 D 基准类 二、虚拟变量的设定规则 一般原则：如果定性变量有 m 种分类，则需要引入（m-1）个虚拟变量。 如果不符合该原则，则会陷入虚拟变量陷阱，即完全共线性或多重共线性。 三、虚拟变量的引入方式 方式1：加法方式 以性别和受教育程度为例 方式2：乘法方式 交互项 主效应 交互效应 以性别和受教育程度为例 X 一致回归 平行回归 并行回归 相异回归 四、参数邹检验 X Xi o Y H0：参数稳定 邹氏参数稳定性检验步骤： 首先，分别以两个连续的时间序列作为两个样本运用总模型式进行回归，得到相应的残差平方和RSS1和RSS2； 然后，将两个序列并为一个大样本后运用总模型式进行回归，得到大样本下的残差平方和RSSR； 最后，通过F统计量，在事先给定的显著性水平下进行假设检验。 如果F大于相应的临界值，则拒绝原假设，认为发生了结构变化，参数是非稳定的。 应用举例与解释 交互项 主效应 交互效应 虚拟变量引入交互项的重要应用：双重差分 对照组（direct=0）： 直管组（direct=1）： 改革前(time=0)： 改革后(time=1)： 改革前(time=0)： 改革后(time=1)： 一重差分 双重差分 五、被解释变量类型 以研究劳动力市场就业 为例 就业时间 就业意愿 就业种类 就业收入 当因变量是一个分类变量而不是一个连续变量时，线性回