计量经济学教学课件8.pptVIP

STA 677.001 STA 677.001 * 计量经济学 北京交通大学经济管理学院 * 8 非线性回归模型 8.1 非线性回归模型的形式及分类 8.2 可线性化模型 8.3 不可线性化模型 8.4 案例分析 * 要求 1.掌握非线性回归模型的形式和分类； 2.掌握可线性化模型的类型； 3.理解不可线性化模型的参数估计原理； 4.掌握非线性模型的应用。 8.1 非线性回归模型的形式及分类 一般的非线性回归模型可以表示为 这里X可观察的独立随机变量，是待估的参数向量，Y是独立观察变量，它的均值依赖于X与? ，ε是随机误差。函数形式f(.)是已知的。 8.1 非线性回归模型的形式及分类 按照是否可将原模型通过初等变换方法转化为线性回归模型，可将非线性模型分为可线性化模型与不可线性化模型。 可线性化模型是指通过变量代换、对数变换等初等变换方法，可以转化为线性回归的非线性回归模型，常见类型有幂函数，指数函数，抛物线函数，对数函数和S型函数。 不可线性化模型是指无法通过初等变换方法转换为线性模型的非线性模型，是真正的非线性回归模型。 8.1 非线性回归模型的形式及分类 非线性回归预测模型有很多，包括对数曲线方程 （LOG）、反函数曲线方程（INV）、二次曲线方程（抛物线）（QUA）、三次曲线方程（CUB）、复合曲线方程（COM）、幂函数曲线方程（POW）、S形曲线方程（S）、生长曲线方程（GRO）、指数曲线方程（EXP）与logistic曲线方程（LGS）等均为非线性回归方程。 当然还有双曲线回归方程、超指数曲线方程等许多非线性回归方程，可用于预测预报。 8.1 非线性回归模型的形式及分类 选择非线性回归函数的具体形式应遵循以下原则： 第一，函数形式应与经济学的基本理论相一致； 如：生产函数常采用幂函数的形式；成本函数常采用多项式方程的形式等。 第二，方程有较高的拟合优度；说明了函数形式选取较为适当。 第三，函数的形式尽可能简单。 8.2 可线性化模型 在实际问题中，当变量之间的相关关系不是线性相关关系时，不能用线性回归方程描述它们之间的相关关系，需要进行非线性回归分析，然而，非线性回归方程一般很难求，因此，把非线性回归化为线性回归应该说是解决问题的好方法。 * 8.2 可线性化模型 * 曲线方程与线性方程的变量置换公式 8.3 不可线性化模型 本部分专门介绍非线性回归模型参数最小二乘估计的计算方法--Gauss-Newton算法。为了清楚易懂，我们先介绍单参数的，再介绍多参数的。 * 8.3.1 单参数非线性模型LSE的Gauss-Newton算法 先考虑单参数的非线性回归模型（f（·?）已知）： 其残差平方和为 要使S(β)取极小值，其一阶条件为 现在的问题是要求出上述方程的解β，并且判断出整体 最小值解β。 * 8.3.1 单参数非线性模型LSE的Gauss-Newton算法 一个近似办法是用 的一阶Taylor近似展开去代替 设β的初值为β1，则在β1点附近函数 有近似Taylor展式 于是求得导数值为 简记 * 8.3.1 单参数非线性模型LSE的Gauss-Newton算法 则 （式1） 这里 对于给定的初值β1， 以及 都是确定的，可计 算的。于是（式1）所表达的残差平方和正是线性回归 （式2） 的残差平方和。 * 8.3.1 单参数非线性模型LSE的Gauss-Newton算法 Malinvaud(1980)将式2称作拟线性模型，其最小二乘估 计是 这里 可以看到，如果我们有待估参数β的一个初值β1，就可以 得到β的一个新值β2。 * 8.3.1 单参数非线性模型LSE的Gauss-Newton算法 重复使用这个方法，又有一个拟线性模型 其解为 继续下去，我们会得到一个序列β1，β2，…，βn…。我 们可以写出一般迭代表达式 （式3）