第七章线性回归模型的扩展选编.pptVIP

第七章 线性回归模型的扩展; 前几章所讨论的，都是基于横截面数据的线性回归模型，涉及的变量均是数值变量。实际上，许多经济变量之间并不存在线性关系，建模中涉及的许多变量也不直接表现为数值，而是属于分类变量的范畴。; 线性回归分析的前提是作为被解释变量的经济变量与作为解释变量的经济变量之间存在着线性关系。这里所说的线性是指解释变量线性并且参数线性。但是，在众多的经济现象中，分析经济变量之间的关系，根据某种经济理论和对实际经济问题的分析，所建立的经济模型往往不符合上面的线性要求，即模型是非线性的，称为非线性模型(Non-linear Model)。 非线性模型包括两种情况：（1）解释变量非线性，但是参数线性。（2）参数非线性。尤其参数非线性是对古典假定SLR.1和MLR.1的违背，对回归分析影响很大。 ;一、对数函数模型; 实???工作中，双对数模型应用非常广泛，其原因在于，如果忽略误差项,(7.2)是一条直线（y和x都是对数形式），所以它的斜率（β1）为一常数,是y相对于x的弹性系数:;对于多个解释变量的情形，（7.2）式可以扩展为;企业;用EViews建立双对数模型，回归结果如下：; 对样本回归方程解释如下：斜率系数0.3397表示产出对劳动投入的弹性，即表明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，平均产出将增加0.3397个百分点。同样地，在劳动投入保持不变的条件下，资本投入每增加一个百分点，产出将平均增加0.8419个百分点。两个弹性系数相加为规模报酬系数，其数值大于1，表明该市经济的特征很可能是规模报酬递增的（如果数值等于1，属于规模报酬不变；小于1，则属于规模报酬递减）。; 根据单边检验的结果，这两个系数各自均是统计显著的（这是用单边检验，即 ，因为我们预期劳动力和资本对产出影响都是正向的），模型的F值也是高度显著的（因为prob=0.0000），因此能够拒绝零假设：劳动力与资本对产出无影响。R2值为0.995，表明劳动力和资本（对数）的变动解释了大约99.5%的产出（对数）的变动，说明了模型很好地拟合了样本数据。 ;（二）半对数函数模型;对于半对数模型（7.4），显然有;二、双曲线模型; 失业率与通货膨胀率负向相关，同时通货膨胀率变化有一个渐近底限 。当失业率x趋于无穷大时，通货膨胀率y将取渐近值 。 ;三、多项式函数模型;产出x; 如以y、x、z分别表示单位面积上的粮食产量、施肥量和灌溉用水量。由于施肥量和灌溉用水量对粮食产量的效应之间存在交互影响，所以，可以建立以下模型：;例7-2 表7-3给出了某市16个企业的产品产量（x）与单位产品成本（y）的抽样调查数据。试研究二者的依存关系。; 根据规模经济的原理，产品产量是单位产品成本变化的原因。为了明确二者的具体关系类型，使用EViews的Graph功能，绘制散点图如下：; 显然，二者的关系不是线性关系。可供选择的模型有以下两种：; 该回归结果说明，单位产品成本随产量的上升而下降，当产品产量趋近于无穷大时，单位产品成本趋近于2489.7元/吨，这就是单位产品成本的理论最低值（实际上是可变成本部分）。; 由博克斯和考克斯（Box，Cox，1964）引进的Box-Cox变换对于利用样本数据确定函数形式非常有益的。 对一种关系中的所有变量进行某个变换就会得到一个由变换参数决定的函数族，线性和对数线性关系是这个函数族中的两个特例。函数形式最终由估计的变换参数值确定。; 对某个特殊的关系式的所有变量都进行Box-Cox变换可得到下列模型; 也可以进行更一般的变换，它就是每个变量的变换参数不一样。此时变换后得到的模型为;五、小结; 大多数模型中，边际和弹性系数为变量，其大小取决于具体样本点自变量或（和）因变量的取值。在实际应用时，一般用 代替具体的 计算，得到的是平均的边际效应或弹性系数。;第三节 虚拟变量; 迄今为止，本教材涉及的变量都是数值变量，诸如市场需求量、商品的价格、收入、产量等；但我们在建模时还经常遇到另外一些“变量”，如职业、性别、地区、季节等等。 例如，季节的变化会对某些商品的需求量产生影响；性别或者职业的不同，其收入水平可能会有很大的差异。 再如，当研究某一经济问题时还可能有些起暂时作用的“变量”，诸如在某一时期出现了战争、天灾、人祸等。诸如此类的 “变量”都是分类变量，或称为“非数值变量”、“定性变量”或“名义变量”。;