jsy4非线性模型试卷.ppt

第四章 非线性模型 4.1 非线性模型的形式及其分类 4.2 可化为线性模型的非线性模型 4.3 不可转换成线性的非线性模型 §4.1 非线性回归模型的形式和分类 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。 如著名的恩格尔曲线(Engle curves)表现为幂函数曲线形式、宏观经济学中的菲利普斯曲线（Pillips cuves）表现为双曲线形式等。 但是，大部分非线性关系又可以通过一些简单的数学处理，使之化为数学上的线性关系，从而可以运用线性回归模型的理论方法。 非线性回归模型的形式 根据非线性回归模型线性化的不同性质，上述模型一般可以分成三种类型： 第一类：直接换元型 这类非线性回归模型通过简单的变量换元可直接化为线性回归模型，如式（1）、式（2）、式（3）、式（4）。 第二类：间接代换型 这类非线性回归模型经常通过对数变形代换间接地化为线性回归模型，如：式（5）、式（6）。  第三类：非线性型 这类非线性回归模型属于不可线性化的非线性回归模型，如式（7）和式（8）。 4.2 可化为线性模型的非线性模型 直接换元法 间接换元法 例 4.2.1 对于式（5）、式（6）和式（7）所示的非线性回归模型，因变量与待估计参数之间的关系也是非线性的。因此不能通过直接换元化为线性模型。对此类模型，通常可通过对回归方程两边取对数将其化为可以直接换元的形式。这种先取对数再进行变量代换的方法称为间接换元法。 间接换元法回归实例 例4.2.2 建立中国城镇居民食品消费需求函数模型。 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。 本章小节 对于非线性回归模型，一般可以分成三种类型： 直接换元型 即通过简单的变量换元可直接化为线性回归模型； 间接代换型 通常通过对数变换的代换间接地化为线性回归模型； 非线性型 指不能线性化的非线性回归模型。 对于可线性化的非线性回归模型可以转化为线性模型后进行求解，并应用可决系数R2或相关系数R度量非线性相关程度。 ⒉ 估计非线性模型 （1）命令方式 在命令窗口直接键入:NLS 非线性函数表达式 例如，对于非线性模型 ，其估计命令格式为 NLS y=c(1)*k^c(2)*L^c(3) 其中， c(1)、c(2)、c(3)表示待估计的三个参数A、 、 。回车后，系统会自动给出迭代估计的参数估计值。 在数组窗口，点击Procs→Make Equation，在弹出的方程描述对话框中，输入非线性函数表达式： （2）菜单方式 选择估计方法为最小二乘法后，点击OK按钮。 y=c(1)*k^c(2)*L^c(3) * 常见的非线性模型 非线性回归模型的分类 直接换元法 例 4.2.1　直接换元法计算表 例 4.2.1 例 4.2.1 例 4.2.1 由于商品零售额增加，流通费用率呈下降趋势，二者之间为负相关关系，故相关系数取负值为：－0.9898。说明两者高度相关，用双曲线回归模型配合进行预测是可靠的。 例 4.2.1 例 4.2.1 间接换元法 间接换元法 根据需求理论，居民对食品的消费需求函数大致为: Q:居民对食品的需求量，X：消费者的消费支出总额 P1：食品价格指数，P0：居民消费价格总指数。 (*) 零阶齐次性，当所有商品和消费者货币支出总额按同一比例变动时，需求量保持不变 (**) 为了进行比较，将同时估计（*）式与（**）式。 (**) (*) 根据恩格尔定律，居民对食品的消费支出与居民的总支出间呈幂函数的变化关系: 首先,确定具体的函数形式 对数变换: (***) em 考虑到零阶齐次性时 (****)式也可看成是对（***）式施加如下约束而得: 因此，对（****）式进行回归，就意味着原需求函数满足零阶齐次性条件。 (****) X：人均消费 X1：人均食品消费 GP：居民消费价格指数 FP：居民食品消费价格指数 XC：人均消费（90年价） Q：人均食品消费（90年价） P0：居