第9章 回归方程的函数形式PPT.ppt

例9.6 1958-1969年美国的菲利普斯曲线（P166） 例9.6 1958-1969年美国的菲利普斯曲线 模型（9-29）拟合了表9-6给出的数据，回归结果如下： t=(-0.2572) (4.3996) r2=0.6594 图9-4a给出了该回归线。 例9.6 1958-1969年美国的菲利普斯曲线 例9.6 1958-1969年美国的菲利普斯曲线 作为比较，我们给出根据相同数据得到的线性回归结果： t=(6.4625) (-3.2605) r2=0.5153 比较这两个模型可以看出，双曲函数模型比线性模型更好地拟合了样本数据。 9.7 多项式回归模型 第9章 回归方程的函数形式 9.1 如何度量弹性：对数线性模型 9.2 线性模型与对数线性模型的比较 9.3 多元对数线性回归模型 9.4 如何测度增长率：半对数模型 9.5 线性对数模型：解释变量是对数形式 第9章 回归方程的函数形式 9.6 双曲线模型 9.7 多项式回归模型 9.8 不同函数形式小结 9.9 小结 9.1 如何度量弹性：双对数线性模型 支出函数 双对数（double-log)模型/对数线性(log-linear)模型 对（9-5）式可变换为： 9.1 如何度量弹性：对数线性模型 若（9-6）式满足古典线性回归模型的基本假定，则用OLS估计方法得到BLUE。 （9-6）式的重要特性：斜率B2度量了Y对X的弹性。 双对数模型又称为不变弹性模型。 对数线性模型的假设检验与一般线性模型相同。 9.1 如何度量弹性：对数线性模型 弹性的定义： E= 需求函数及其对数变形后的图形见图9-1a 和 图9-2b. 例9.1 博彩支出一例 在（7-46）式中，我们给出了博彩支出函数，博彩支出和个人可支配收入之间是近似线性关系的，因为并非所有的样本点都恰好落在直线上。 下面，我们看一下，如果用对数线性模型拟合表9-1给出的数据，情况又会怎样？ 图9-2描绘了（9-8）所表示的回归直线。 双对数模型的假设检验 9.2 线性模型与对数线性模型的比较 选择模型的规律： 1）根据数据作图，判断模型形式（只适用于双变量情况）。 2）不能仅仅根据 选择模型。 3）线性模型的弹性系数随着需求曲线上的点的不同而变化，而对数线性模型在需求曲线上任何一点的弹性系数都相同。 9.3 多元对数线性回归模型 三变量对数模型： 其中， 又称为偏弹性系数。 B2是Y对X2的弹性（X3保持不变）。 B3 是Y对X3的弹性（X2保持不变）。 在多元对数线性模型中，每一个偏斜率系数度量了在其他变量保持不变的条件下，应变量对某一解释变量的偏弹性。 例9.2 柯布-道格拉斯生产函数（P185） 在模型（9-10）中，令Y表示产出，X2表示劳动投入， X3表示资本投入。这样，式（9-10）就是一个生产函数----反映产出与劳动力和资本投入之间的关系的函数，即柯布-道格拉斯函数（C-D函数）。 表9-2给出了1955-1974年间墨西哥的产出Y，（GDP度量，以1960年不变价，单位为百万比索）、劳动投入X2（用总就业人数度量，单位为千人），资本投入X3（用固定资本度量，以1960年不变价，单位为百万比索）的数据。 例9.2 柯布-道格拉斯生产函数 例9.2 柯布-道格拉斯生产函数 例9.2 柯布-道格拉斯生产函数 将（9-11）式中两个弹性系数相加，得到一个重要的经济参数-----规模报酬参数。它反映了产出对投入的比例变动。 两个弹性系数和为1-----规模报酬不变。 两个弹性系数和大于1-----规模报酬递增。 两个弹性系数和小于1-----规模报酬递减。 例9.3 对能源的需求（P187） 表9-3给出了1960-1982年间7个OECD国家的总最终能源需求指数（Y）、实际GDP（ X2 ）、实际能源价格（ X3）的数据。所有指数均以1970年为基准（1970=100）。 例9.3 对能源的需求 例9.3 对能源的需求 9.4 如何测度增长率：半对数模型 半对数模型又称为增长模型，通常我们用这类模型来测度许多变量的增长率。 例9.4 1970-1999年间美国人口增长率（ P189） 我们现在要求在此期间的美国人口增长率（Y）。 复利计算公式： 其中，Y0----Y的初始值 Yt----第t期的Y值 r-----Y的增长率 （复利率） 将（9-13）式变形，对等式两边取对数，得： 例9.4 1970-1999年间美国人口增长率（ P189） 现令 因此，模型（9-14）可表示为： 若引入随机误差项，得到： 形如（9-18）的回归模型称为半对数模型。 注意，在满足O