第八讲 非线性回归PPT.pptVIP

非线性回归函数;线性回归的最大特点是：总体回归函数的斜率为常数。故X变化一个单位对Y的效应不依赖于X本身的取值。 我们今天研究的非线性回归中，总体回归函数的斜率不再是常数，X的变化对Y的效应依赖于一个或多个自变量的取值。;;非线性回归函数的一般建模方法;;在stata中需要用gen命令产生一个新的变量表示：Income2。 gen income2=income^2 reg TestScore income income2,r ;如何决定是用线性还是非线性？ 最简单的办法是利用t检验考察二次方的显著性： 对于方程 我们需要检验income2前的系数β2是否显著。;非线性设定形式中X变化对Y的效应;;我们假定非线性总体回归的一般公式为;书中的两个例子 1。地区收入从10----11（单位是千美元） 2。地区收入从40----41 ;可以看出，income对testscore的弹性逐渐变小。;效应估计的标准误差;利用多元回归建立非线性模型的一般方法;(3)确定非线性模型是否改进了线性模型。大多数情况下可以利用t统计量和F统计量来检验总体回归函数是线性的原假设和非线性的备择假设。 (4)画出非线性回归函数估计图。（线性拟合图）。 (5)利用前面讲的公式估计X变化对Y的效应。;非线性函数的形式;常用的多项式函数： r=2 二次回归模型 r=3 立方回归模型;是否需要多项式函数;到底应该采用几阶多项式;二次方、三次方和四次方曲线;选取好最高阶数后，按照下列步骤进行： (1)选定最大的r值并估计r阶多项式回归。 (2)利用t统计量检验Xr的系数?r为零的假设。如果拒绝原假设，则Xr应包含在回归中，故使用r阶多项式。; (3)如果在步骤(2)中不能拒绝?r =0，则从回归中剔除Xr并估计r-1阶多项式回归。接着检验Xr-1的系数是否为零。如果拒绝则使用r-1阶多项式。 (4)如果在步骤(3)中不能拒绝?r-1 =0 ，重复这一步直到回归中最高次方的系数统计显著为止。 ;例一;例二;对数形式;;对数形式是经济学中最常用的形式，广泛地应用在各个领域中： 例如：在宏观经济学中，我们如果想研究投资的增 长率，通常用 表示，其中 一般可以表达为： ;拉格朗日中值定理;三种对数回归模型;关键问题是理解β1的含义;推导：我们考察自变量X变化?X的过程。 此时：;例子;书中的两个例子 1。地区收入从10----11（单位是千美元） 2。地区收入从40----41 ;例一： ?Y=[557.8+36.42ln(11) - 557.8+36.42ln(10)] =36.42*[ln(11)-ln(10)]=3.47 ?Y=[557.8+36.42ln(41) - 557.8+36.42ln(40)] =36.42*[ln(14)-ln(40)]=0.90 ;线性对数回归函数;如何理解β1的含义;推导：我们考察自变量X变化?X的过程。 此时：; 我们考虑一个大学毕业生年龄和收入关系的例子。很多雇佣合同都指出职工多工作一年，则他或她的收入就增加一定的百分率。;注意：因为自变量不包含任何对数形式，所以对数线性模型的拟合图是一条直线。;;如何理解β1的含义;;;双对数函数最典型的例子是生产函数production。 ;;原则1：在解释变量均显著的前提下，当被解释变量Y的函数形式相同时，可以通过adj R2比较模型的优劣。;; 原则二：根据经济理论和对问题的实践认知确定用Y的对数形式是否有意义。 经常使用对数形式表示增长率的经济指标：GDP 投资 消费 工资 成绩 等等。;测试成绩和地区收入的多项式和对数模型;1。多项式形式;我们尝试使用对数的高次方形式;立方和线性对数形式的比较;;自变量的交互作用（交乘项）;我们将分三种情况考虑： 1。两个自变量都是虚拟变量； 2。一个自变量是虚拟变量而另一个是连续变量； 3。两个变量都是连续变量。 ;两个虚拟变量的交互作用;按照上式，固定性别时，无论男性女性，拥有大学学位的效应是一样的。但现实情况是，在劳动市场中文凭的价值对男性和女性而言是不同的。 显然，上述形式没有考虑到性别和获得大学学位的交互作用，因此我们引入一个交乘项D1*D2进行修正。;;分析： 1。给定D1的取值d1，D2=0 和D2=1的数学期望为： E(Y|D1=d1,D2=0)=β0+β1d1 E(Y|D1=d1,D2=1)=β0+β1d1+ β2+β3d1 第二项减去第一项，得β2+β3d1 这是大学毕业生和非大学毕业生对Y的影响效应之差。但我们发现，这种效应依赖于d1。 ;当d1=0(男性) 对Y的效应为β2 当d1=1(女性) 对Y的效应为β2+β3 ;在固