回归模型函数形式非线性回归模型估计.pptVIP

第九章 回归模型的函数形式（可线性化的非线性模型的估计） 典型的可线性化的非线性模型 1．倒数模型 2．多项式模型 3．半对数模型： 4．双（边）对数模型 lnY=b0+b1lnX+u (对数-对数模型） 对数-对数模型特点：b1表示当X每变动1个相对量时（而X变动1个相对量，用符号表达就是ΔX/X，用数据表达就是1%），Y将变动一个相对量，这个相对量用 ΔY/Y表示。然后，将(ΔY/Y)除以(ΔX/X)，即将(ΔY/Y)除以1%，就等于b1。那么(ΔY/Y)=b1*1%= b1% 也就是说，当X每变动1%时，Y变动的百分比为b1%。 注：b1=(ΔY/Y)/(ΔX/X) 柯布-道格拉斯生产函数eviews估计过程 数据输入：GDP、L、K 生成新序列 lnGDP 生成新序列lnK 生成新序列lnL Workfile中可见新生成的序列 利用新生成的序列进行回归 回归输出结果 lnY=b0+b1X+u (对数-线性模型） 对数-线性模型特点：b1表示当X每变动1个绝对量单位时（而X变动1个单位，用符号表达就是ΔX），Y将变动一个相对量，这个相对量用 ΔY/Y表示。然后，将(ΔY/Y)除以ΔX，即将(ΔY/Y)除以1，就等于b1。那么(ΔY/Y)=b1*1=100 b1% 也就是说，当X每变动1个单位绝对量时，Y变动的百分比为100b1%。 注：b1=(ΔY/Y)/ΔX Y=b0+b1lnX+u (线性-对数模型） 线性-对数模型特点：b1表示当X每变动1%时（而X变动1%，用符号表达就是ΔX/X ），Y将变动一个绝对量，这个绝对量用 ΔY表示。然后，将ΔY除以(ΔX/X)，即将ΔY除以1%，就等于b1。那么ΔY=b1* (ΔX/X)=b1*0.01 也就是说，当X每变动1%时，Y变动的绝对量为b1*0.01。 注：b1=ΔY/(ΔX/X) lnY=b0+b1X+u (对数-线性模型）案例： 要求出1970-1999年美国人口增长率，也就是要求出当时间每递增1年时，人口增长的百分比。 建立工作文件 输入原始数据 生成新序列LnUSPOP Workfile中可见新序列 利用（LnUSPOP c t）进行回归 对数-线性模型回归结果 对数-线性模型公式表达： Y=b0+b1lnX+u (线性-对数模型）案例（要求出美国某时间段总消费支出与服务支出的关系，也即要求出当总消费支出增长1%时，服务支出增加的绝对值） 建立工作文件 输入原始数据 生成新序列LnX Workfile中可见到新序列 利用Y C LNX进行回归 回归结果 线性-对数模型公式表达： 表3-10 1958-1969美国小时工资收入指数年变化的百分比（Y）与失业率（X) 工作文件建立 原始数据输入 生成新序列X1 以（Y C X1）回归 回归输出结果 回归结果的公式表达： 为了分析某行业的生产成本情况，从该行业中选取10家企业，表3-12中列出了这些企业总产量X（吨）和总成本Y（万元）的有关资料，试建立该行业的总成本函数。 建立工作文件 输入原始数据 生成新序列X1 生成新序列X2 生成新序列X3 利用新生成的序列进行回归 回归结果的输出 回归模型的公式表达： 模型通过整体显著性检验（可决系数和F值都很大），变量也通过显著性检验（t值很大），截距系项也通过显著性检验。 2431.686表示自变量X（即总消费支出）每增加1%，因变量服务支出（Y)平均而言将增加绝对量0.01*2431.686， 即24.31686（单位：10亿）。 3．倒数模型 3.5 3.6 3.8 3.8 4.5 5.2 5.7 5.5 6.7 5.5 5.5 6.8 X 6.7 6.1 5 4.3 3.6 2.8 2.8 3.4 3 3.4 3.5 4.2 Y 1969 1968 1967 1966 1965 1964 1963 1962 1961 1960 1959 1958 年份 要求：根据以上数据建立美国1958-1969年的菲利普斯曲线。 采用模型形式：Y=b0+b1(1/x)+u 回归结果显示，模型整体上通过显著性检验（F值、R2较大），变量也通过显著性检验（t值较大），唯有截距项未通过显著性检验，但为了探讨的需要，还是将截距项保留在模型中。 或者： 结果发现：失业率X与货币工资收入变动率（或通货膨胀率）Y之间成此消彼长的关系。 4．多项式模型 多项式回归模型在生产与成本函数这个领域中被广泛地使用。多项式回归模型可表示为 100 90 80 70 60 50 40 30 20 10 总产量X 42 35 29.7 27