计量经济学（第四版）3.5 可化为线性的多元非线性模型.ppt

一、模型的类型与变换 1、倒数模型、多项式模型与变量的直接置换 一般讲，关于解释变量的非线性问题（例如倒数关系、多项式关系）都可以通过变量置换变成为线性问题。 例如，描述税收与税率关系的拉弗曲线： s = a + b r + c r2，c0，s：税收，r：税率 设X1 = r，X2 = r2， 则原方程变换为： s = a + b X1 + c X2 ，c0 2、幂函数模型、指数函数模型与对数变换法 关于参数的非线性问题，函数变换是常用的方法。 例如，Cobb-Dauglas生产函数为幂函数： Q = AK?L?，Q：产出量，K：投入的资本；L：投入的劳动 对方程进行对数变换，得到线性模型： ln Q = ln A + ? ln K + ? ln L 3、复杂函数模型与级数展开法 对于不能采用变量置换和函数变换的复杂的非线性模型，可以采用级数展开方法将其变换为线性模型。 二、实例 建立中国工业生产函数模型（两要素） Y为总产出，K、L分别为资本、劳动投入要素 变换为线性模型 未施加约束，回归结果表明： lnY变化的94.1%可由资本与劳动投入的变化来解释。 变换后，模型的线性关系显著成立。 lnK、lnL参数显著地异于零。 资本投入与劳动投入的产出弹性之和为0.967，接近于1。 施加规模报酬不变约束，回归结果表明： Ln(K/L)前的参数在1%的显著性水平下显著地异于零，表明劳均资本增加，会促使劳均工业总产值的增加，劳均产出关于劳均资本投入的弹性值为0.687。 将回归函数展开，与未加约束的估计结果比较，差别很小，表明施加规模报酬不变约束是可行的。 * §3.5 可化为线性的多元非线性模型 一、模型的类型与变换 二、非线性回归实例 三、非线性最小二乘估计 说 明 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。 方程两边取对数后，得到： (?1+?2=1) Q:产出量，K：资本投入，L：劳动投入 ?：替代参数， ?1、?2：分配参数 例如，常替代弹性CES生产函数 将式中ln(?1K-? + ?2L-?)在?=0处展开台劳级数,取关于?的线性项，即得到一个线性近似式。 如取0阶、1阶、2阶项，可得  三、非线性最小二乘估计 ⒈ 普通最小二乘原理 残差平方和 取极小值的一阶条件 如何求解非线性方程？ ⒉ 高斯－牛顿(Gauss-Newton)迭代法 高斯－牛顿迭代法的原理 对原始模型展开台劳级数，取一阶近似值 构造并估计线性伪模型 构造线性模型 估计得到参数的第1次迭代值 迭代