非线性回归模型新.pdfVIP

第12章 非线性回归模型 ?非线性模型的基本假定 ?非线性模型的参数估计 ?回归评价和检验 一、非线性模型的基本假定 ? 非线性回归分析是线性回归分析的扩展，也是传统计 量经济学的结构模型分析法。由于非线性回归的参数 估计涉及非线性优化问题，计算比较困难，推断和预 测的可靠性也要差一些，因此传统计量经济学较少研 究非线性回归。 ? 随着计算机技术的发展，非线性回归的参数估计计算 困难得到了克服，非线性回归分析开始受到更多的重 视，现在已经成为计量经济研究的热点之一，基本形 成了与线性回归分析相对应的、比较完整的回归分析 和检验预测分析方法体系。 ? 我们知道线性回归模型分析的变量线性关系只是经济变 量关系中的特例，现实中的多数经济变量关系是非线性 的。当然非线性变量关系常常可以通过初等数学变换转 化为线性回归模型，然后再运用线性回归分析方法进行 分析，但仍然有不少非线性关系无法进行这种变换。 ? 例如，若两个经济变量之间存在关系为： YX??? ?? ?ε Y与X之间构成非线性关系，且该非线性显然无法通过 初等数学变换转化为线性模型。 ? 此外，非线性模型的转换不仅涉及到趋势性部分，也 涉及随机误差部分，因此误差项的作用方式对于非线 性模型的转化是非常重要的。有些非线性关系就是因 为误差项是可加而不是可乘的，从而导致不能利用对 数变换进行转化。例如，若常见的柯布—道格拉斯生 产函数中的随机误差项是可加而不是可乘的，即： Y??A K?? L ε 则该模型就不能通过初等数学变换转化为线性模型。 ? 建立非线性计量经济模型的方法与建立线性模型是 相似的，通常也是根据经济理论、实际经济问题， 以及相关的数据图形等建立初步模型，然后通过对 模型的分析、检验、判断和比较，选择、确定和完 善模型。 ? 进行线性回归分析时，如果通过分析和检验发现存 在把非线性关系误作线性关系的问题时，就需要考 虑把线性模型改为非线性模型，因此线性回归分析 本身也是非线性模型的一个重要来源。 ? 与线性模型相似，为了保证非线性回归分析的价值及 分析工作的顺利进行等，也需要对非线性回归模型作 一些基本假设。非线性模型关于模型函数形式和参数 E(ε) ? 0 的假设与线性模型相似，第一条假设是模型具有上述 Var(ε) ? ? 2I n 非线性的函数形式，关于随机误差项的假设也是满足 ε 2 E(ε) ? 0，Var(ε) ? ? In，而且也可以要求服从正态分布，即 N(0I ,? 2 ) n ε 2 ～ N(0I ,? n ) 。 二、非线性模型的参数估计 ? 参数估计也是非线性回归分析的核心步骤。非线 性回归分析参数估计的方法也有多种，基本方法同 样是最小二乘参数估计和最大似然估计。 ? 在此，主要了解非线性回归参数的最小二乘估计， 也称“非线性最小二乘估计”。 ? 非线性最小二乘估计就是求符合如下残差平方和 S(β )? [YX ? f ( ,β )]? [YX ? f ( ,β )] ? ? ? 达到极小的β 值，即为 β ? (??1 , ,p )?。为了方便起见 ，将把上述最优化问题的目标函数S()β 称为“最小二 乘函数”。 ? 当模型只有一个待估计参数时，最小二乘函数是模型 唯一参数的一元函数；当待估计参数有多个时，则是 参数向量 β 的向量函数。 ? 该最小化问题在形式上与线性回归分析的最小化问题是相似 的，不同在于回归函数 f是参数的非线性函数而不是线性函数 ，因此S()β 的正规方程组不再是线性方程组，一般无法通过解 析的方法求解，必须采用某种搜索或迭代运算的非线性优化 方法获得参数估计值。 ? 实际上，非线性最小二乘估计引出了非线性优化的需要。其 实最大似然估计量的计算等也需要用到非线性优化分析。 ? X ? 例： 2 i Yii???1 e u ?22?2 Xi S(?? )??? ui ? ( Y ? 1 e ) ?S()? ??22XXii ?2? (Y ??