第五章 回归模型函数形式.pptVIP

第五章 回归模型的函数形式;到目前为止，我们考虑的都是参数线性，同时又是变量线性的模型。本章将考虑参数线性，但变量不一定是线性的模型。 1.双对数模型或不变弹性模型 2.半对数模型 3.倒数模型 所有这些模型的一个重要特征是，它们都是参数线性模型，但变量却不一定是线性的。;一、双对数模型; 如果我们将 和 都看作单独的变量，那么就可以将双对数模型变为变量线性模型。试作如下变换 ， ，得到 ： 如果上式满足古典线性回归模型的基本假定，则很容易用普通最小二乘法估计，从而得到BLUE估计量。 2.双对数模型系数的特殊含义 与变量线性回归模型不同，双对数模型的斜率系数 度量了Y对X的弹性，即X的变动引起Y变动的百分比。 如果用符号 代表Y的一个微小变动， 代表X的一个微小变动，则弹性E定义为：;从图形上看，变量线性的回归模型的图形是一条直线，而双对数模型的图形是一条曲线，并且对于不同的X值来说，都具有相同的弹性。所以，双对数模型又称为不变弹性模型。;例子：数学分数（见P19）;３.双对数模型的假设检验 双对数模型的假设检验与线性模型没有任何不同。在随机误差项服从正态分布的假设下，估计的回归系数服从自由度为（n-k）的t分布，其中k为包括截距在内的参数个数。 4.比较线性和双对数回归模型（一个经验问题） 对于数学成绩支出一例来说，线性支出模型和双对数模型哪个更合适？ 1.作散点图，通过散点图来判断。（这种方式只适合双变量模型） 2.比较两个模型的 值。该方法要求应变量的形式必须是相同的。 3.即使两个模型中的应变量相同，两个 值可以直接比较，我们也建议不要根据最高 值这一标准选择模型。而应该首先考虑进入模型中的解释变量之间的相关性、解释变量系数的预期符号、统计显著性以及类似弹性系数这样的度量工具。 ;5.多元对数线性回归模型 　对于三变量对数线性模型来说： 　模型中的偏斜率系数　、　又称为偏弹性系数。因此，　度量了　不变条件下，对　的弹性，即在　为常量时，　　 　每变动1%引起的 变化的百分比。类似地，度量了　不变条件下　对　的弹性。 二、如何测度增长率：半对数模型 　1.半对数模型 先看一个例子：根据下表中的美国人口数据求1975-2007年美国的人口增长率。考虑如下复利计算公式：;将上式作如下变形，等式两边取对数，得： 　 　如果令 　因此，可得： 　将上式变化成为经济计量模型，得到： 　形如上式的回归模型称为半对数模型或者增长模型、对数-线性模型。 　利用OLS方法估计美国一例的半对数模型，得到：;美国人口增长一例估计的样本回归线;美国人口一例估计的半对数模型中，斜率0.0107表示，平均而言，美国人口的年增长率为0.0107。截距5.36的反对数（为212.576）可以表示1974年的人口值。 2.瞬时增长率与复合增长率 　由　　　　　　　　　　　　　可知　　　　　　　　　　于是： 　在美国人口增长率一例中，有： 　此处要注意的是，通过对半对数模型估计所得到的斜率　 　的值为0.0107，该值为美国人口的瞬时增长率，而通过计算而得到的　值0.010757称为复合增长率。 3.线性趋势模型 　形如如下形式的模型称为线性趋势模型：; 对美国人口增长率一例线性趋势模型的OLS估计结果如下： 回归结果表明，在样本区间内，美国人口每年以2.757(百万)的绝对速度增长。因而美国人口表现出向上的趋势。截距表明美国1969年的人口数为210（百万）。 ４.线性－对数模型：解释变量是对数形式 　考虑如下例子：个人总消费支出与服务支出的关系（1993.1～1998.3,1992年美元价，10亿美元），数据见下表： 　;1993.1～1998.3个人总消费支出与各类支出的季度数据（10亿美元）;以个人总消费支出X与服务支出Y的关系为例，得到线性－对数模型如下： 利用最小二乘法估计以上模型，回归结果如下： 在以上回归结果中，斜率系数表示，如果个人总消费支出增加1个百分点，则平均服务支出将增加24.32(10亿）美元。作出这一解释是因为，线性-对数模型中的斜率系数 可以表示为：;而上式又可以表示为： 所以，线性-对数模型中的斜率系数可以解释为，解释变量的相对变化所引起的应变量的绝对变化量。 三、倒数模型 　　形如下式的模型称为倒数模型（reciprocal model）： 　　倒数模型的一个显著特征是，随着　的无限增大，　　趋于零，接近渐进值或极限值　。因此，当变量　无限增大时，倒数模型中的应变量的取值将逐渐靠近其渐进线或极值。;下图描绘了倒数模型的一些曲线形状：;上图ａ）中，若Ｙ表示生产的平均固定成本(AFC)，即总固定成本