高级计量经济学线性回归模型扩展推荐.ppt

sfasfsfsfsfdsafafd 第3章 线性回归模型扩展 第一节 非线性模型基础 3.1.1非线性模型的基本假定 非线性回归分析是线性回归分析的扩展，也是传统计量经济学的结构模型分析法。由于非线性回归的参数估计涉及非线性优化问题，计算比较困难，推断和预测的可靠性也要差一些，因此传统计量经济学较少研究非线性回归。 20世纪七八十年代以来，随着计算机技术的发展，非线性回归的参数估计计算困难得到了克服，统计推断和预测分析技术也有很大发展。这些方面的变化使得非线性回归分析开始受到更多的重视，现在已经成为计量经济研究的热点之一，基本形成了与线性回归分析相对应的、比较完整的回归分析和检验预测分析方法体系。 我们知道线性回归模型分析的线性经济变量关系只是经济变量关系中的特例，现实中的多数经济变量关系是非线性的。当然非线性变量关系常常可以通过初等数学变换转化为线性回归模型，然后再运用线性回归分析方法进行分析，这部分内容在初级或中级计量经济学中都要介绍。但仍然有不少非线性关系无法进行这种变换。 例如，若两个经济变量之间存在关系为： （3.1） 其中 , , 为未知参数， 为随机误差项。那么，因为在解释变量的指数位置有一个未知参数 ，使得Y与X之间构成非线性关系，而且该非线性显然无法通过初等数学变换转化为线性模型。 此外，计量经济分析者经常会忽略随机误差项的作用方式问题，但实际上非线性模型的转换不仅涉及到趋势性部分，也涉及随机误差部分，因此误差项的作用方式对于非线性模型的转化是非常重要的。有些非线性关系就是因为误差项是可加而不是可乘的，从而导致不能利用对数变换进行转化。例如，若常见的柯布—道格拉斯生产函数中的随机误差项是可加而不是可乘的，即： （3.2） 式中,A, , ,为未知参数，为随机误差项。则该模型就不能通过初等数学变换转化为线性模型。 上述两种情况具有相当普遍的意义，许多非线性变量关系都是因为函数形式比较复杂，未知参数数量较多且位置不理想，或者随机误差因素的作用方式不利，在非线性变量关系上有加性的随机扰动项，从而无法构造通过初等数学变换可以转化为线性模型的非线性模型。对于这些无法通过初等数学变换转化为线性回归模型的非线性经济变量关系，必须直接用非线性变量关系进行分析。 更进一步说，即使非线性变量关系可以通过初等数学变换转化为线性模型，也可能造成模型随机误差项性质的改变，如同方差性质不再成立等。对于这种情况，常常也是直接作为非线性模型进行分析比较有利。 虽然非线性模型在函数形式和参数位置等方面与线性模型有明显差异，但它们在代表经济现象和数据背后的内在规律性这一点上并没有很大的差别，因此非线性模型计量经济分析的基本思路与线性模型是相似的，仍然可以以回归分析为基础理论。 也就是说，仍然是在认定生成经济数据的客观规律存在，经济现象是这些规律表现形式的基础上，根据经济数据推断生成它们的客观经济规律。具体来说，就是确定非线性模型的函数形式和估计模型中未知参数的数值。因此，非线性计量经济分析也称为“非线性回归分析”，这是本章重点介绍的内容之一。 建立非线性计量经济模型的方法与建立线性模型是相似的，通常也是根据经济理论、实际经济问题，以及相关的数据图形等建立初步模型，然后通过对模型的分析、检验、判断和比较，选择、确定和完善模型。 非线性模型也可以由线性回归分析引出来，因为进行线性回归分析时，如果通过分析和检验发现存在把非线性关系误作线性关系的问题时，就需要考虑把线性模型改为非线性模型，因此线性回归分析本身也是非线性模型的一个重要来源。 单方程非线性计量经济模型的一般形式可以用下列随机函数表示，即： （3.3） 式中， 是模型的个解释变量， 是个未知参数；函数f是一个非线性函数，通常p大于k； ?是模型的随机误差项。（3.3）式有矩阵表示为 （3.4） （3.3）和（3.4）式表明，非线性模型同样也是由确定性变量关系表示的趋势性部分和随机误差项两个部分组成。 与线性模型相似，为了保证非线性回归分析的价值及分析工