计量经济学非线性回归模型的线性化.docVIP

以上介绍了线性回归模型.但有时候变量之间地关系是非线性地.例如 yt = ? 0 + ?1+ ut yt = ? 0 + ut 上述非线性回归模型是无法用最小二乘法估计参数地.可采用非线性方法进行估计.估计过程非常复杂和困难，在20世纪40年代之前几乎不可能实现.计算机地出现大大方便了非线性回归模型地估计.专用软件使这种计算变得非常容易.但本章不是介绍这类模型地估计.文档收集自网络，仅用于个人学习 另外还有一类非线性回归模型.其形式是非线性地，但可以通过适当地变换，转化为线性模型，然后利用线性回归模型地估计与检验方法进行处理.称此类模型为可线性化地非线性模型.下面介绍几种典型地可以线性化地非线性模型.文档收集自网络，仅用于个人学习 4.1 可线性化地模型 ⑴ 指数函数模型 yt = (4.1)文档收集自网络，仅用于个人学习 b0 和b0两种情形地图形分别见图4.1和4.2.显然xt和yt地关系是非线性地.对上式等号两侧同取自然对数，得文档收集自网络，仅用于个人学习 Lnyt = Lna + b xt + ut (4.2)文档收集自网络，仅用于个人学习 令Lnyt = yt*, Lna = a*, 则 yt* = a* + bxt + ut (4.3)文档收集自网络，仅用于个人学习 变量yt* 和xt已变换成为线性关系.其中ut表示随机误差项. 图4.1 yt =, (b 0) 图4.2 yt =, (b 0)文档收集自网络，仅用于个人学习 ⑵ 对数函数模型 yt = a + b Ln xt + ut (4.4)文档收集自网络，仅用于个人学习 b0和b0两种情形地图形分别见图4.3和4.4.xt和yt地关系是非线性地.令xt* = Lnxt, 则文档收集自网络，仅用于个人学习 yt = a + b xt* + ut (4.5)文档收集自网络，仅用于个人学习 变量yt 和xt* 已变换成为线性关系. 图4.3 yt = a + b Lnxt + ut , (b 0) 图4.4 yt = a + b Lnxt + ut , (b 0)文档收集自网络，仅用于个人学习 ⑶ 幂函数模型 yt = a xt b (4.6)文档收集自网络，仅用于个人学习 b取不同值地图形分别见图4.5和4.6.xt和yt地关系是非线性地.对上式等号两侧同取对数，得 Lnyt = Lna + b Lnxt + ut (4.7)文档收集自网络，仅用于个人学习 令yt* = Lnyt, a* = Lna, xt* = Lnxt, 则上式表示为 yt* = a* + b xt* + ut (4.8)文档收集自网络，仅用于个人学习 变量yt* 和xt* 之间已成线性关系.其中ut表示随机误差项.(4.7) 式也称作全对数模型. 图4.5 yt = a xt b 图4.6 yt = a xt b文档收集自网络，仅用于个人学习 ⑷ 双曲线函数模型 1/yt = a + b/xt + ut (4.9)文档收集自网络，仅用于个人学习 也可写成， yt = 1/ (a + b/xt + ut) (4.10)文档收集自网络，仅用于个人学习 b0情形地图形见图4.7.xt和yt地关系是非线性地.令yt* = 1/yt, xt* = 1/xt，得文档收集自网络，仅用于个人学习 yt* = a + b xt* + ut 已变换为线性回归模型.其中ut表示随机误差项. 图4.7 yt = 1/ (a + b/xt ), (b 0)