eviews技术操作：非线性回归模型及建立.pptVIP

第五章 非线性回归模型的建立 一、非线性模型的估计方法（迭代法） 二、 非线性模型的极大似然估计 一、迭代法 并非所有的非线性模型都可做线性化处理，非线性最小二乘法(NLS :Nonlinear Least Square)是非线性模型的常用估计方法。 例1 根据case3数据用非线性最小二乘法建立单位成本函数模型。 建模过程仍是先打开方程定义窗口，在定义栏中输入模型的非线性表达式即可。不同的是有时候可能迭代无法收敛，则需要通过修改选项设置来重新估计。 线性化与NLS法的参数估计值完全一样，统计量输出相同，这是由于线性化仅改变了变量的形式，而NLS法也没有改变y和1/x的线性关系，在这两种情况下进行最小二乘估计对于待估参数来说是等价的。 它们的区别仅在于NLS未输出线性回归中才有的F统计量及相应的相伴概率。 例2 粮食产量通常由粮食产量（Y）、农业生产劳动力(L)、粮食播种面积（M）、化肥施用量(K)等因素决定。case4是我国粮食生产的有关数据(由于粮食生产劳动力不易统计，假定它在农业劳动力中的比例是一定的，故用农业劳动力的数据代替)，研究其间关系，建立Cobb-Douglas生产函数模型。 有时遇到估计结果不符合常规或显示出无法收敛的错误信息时，需要设定选项重新估计。 （1）初始值(Start Value) 初始值是EViews进行第一次迭代计算时参数所取的数值。这个值保存在与回归函数有关的系数向量中。 回归函数必须定义初始值。例如如果回归函数包含表达式1/C (1)，就不能把C (1)的初始值设定为0，同样如果包含表达式LOG (C (2))，那C (2)必须大于零。 初始值的选取不当可能会导致NLS运算失败。 当EViews给出Near Singular Matrix的错误提示时，有可能与初始值选取有关。 但通常没有选取初始值的一般规则，显然离真实值越近越好，所以我们可以先根据参数的意义猜测参数的范围，给出一个合适的初始值。如根据劳动弹性系数在0到1之间，例3.4中可将C (2)赋一个介于0到1的值。 在NLS中， EViews用开始估计的系数向量中对应的值作为初始值。所以我们可以先查看系数向量中的各个参数值，如果有需要更改的，可直接在系数向量窗口中编辑更改，这时可输入更改值。另外也可用命令 Param coef_name(1) n1 coef_name(2) n2... 来重新设置。例如param c(1) 153 c(2) 0.68 c(3) 0.15 (2)迭代和收敛 EViews用的是Gauss- Seidel迭代法求参数估计值。迭代停止遵循的法则: 基于回归函数或参数在每次迭代后的变化率。当待估参数的变化百分比的最大值小于事先给定的水平时，就会停止迭代。 但有时即使未达到收敛也会停止迭代。这有两种情况:一种是迭代次数已经达到了给定的次数。这时应重新设定迭代次数以取得收敛。另一种是经过一定迭代后EViews发出显示失败的错误信息，而这大多和回归函数有关。这时可以选取不同的参数初始值，从不同方向逼近估计值。 Options中有一栏和NLS有关迭代过程(Iterative Procedure)。它有两个选项: Max Iterative是最大迭代次数， Convergence是事先给定的一个比率值，当系数在一次迭代后的变化率小于该值时就停止迭代，即收敛的误差精度。 极大似然法 * * *