第九章回归模型的函数形式非线性回归模型的估计5说课讲解.ppt

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 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。 线性-对数模型公式表达： 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 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) 年份 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 Y 4.2 3.5 3.4 3 3.4 2.8 2.8 3.6 4.3 5 6.1 6.7 X 6.8 5.5 5.5 6.7 5.5 5.7 5.2 4.5 3.8 3.8 3.6 3.5 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 * 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 可线性化模型 在非线性回归模型中，有一些模型经过适当的变量变换或函数变换就可以转化成线性回归模型，从而将非线性回归模型的参数估计问题转化成线性回归模型的参数估计，称这类模型为可线性化模型。 1．对数模型（或对数-对数模型） 模型形式： lnY=b0+b1lnX+u (对数-对数模型） 模型适用对象：对观测值取对数，将取对数后的观测值（lnx，lny）描成散点图，如果近似为一条直线，则适合于对数线性模型来描述x与y的变量关系。 容易推广到模型中存在多个解释变量的情形。例如，柯布——道格拉斯生产函数形式： 例3.4.1 根据表3.4.1给出的1980-2003年间总产出(用国内生产总值GDP度量，单位：亿元)，劳动投入L(用从业人员度量，单位为万人)，以及资本投入K(用全社会固定投资度量，单位：亿元)。建立我国的柯布道格拉斯生产函数。 表3.4.1 1980-2003年中国GDP、劳动投入与资本投入数据 年份 GDP L K 1980 4517.8 42361 910.9 1981 4862.4 43725 961.0 1982 5294.7 45295 1230.4 1983 5934.5 46436 1430.1 1984 7171.0 48197 1832.9 1985 8964.4 49873 2543.2 1986 10202.2 51282 3120.6 年份 GDP L K 1987 11962.5 52783 3791.7 1988 14928.3 54334 4753.8 1989 16909.2 55329 4410.4 1990 18547.9 63909 4517.0 1991 21617.8 64799 5594.5 1992 26638.1 65554 8080.1 1993 34634.4 66373 13072.3 1994 46759.4 67199 17042.1 1995 58478.1 67947 20019.3 1996 67884.6 68850 22913.5 1997 74462.6 69600 24941.1 1998 78345.2 69957 28406.2 1999 82067.5 71394 29854.7 2000 89442.2 72085 32917.7 2001 95933.3 73025 37213.5 2002 102398.0 73740 43499.9 2003 117251.9 74432 55566.6 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 模型通过整体显著性检验（R2以及F值都很大），变量都通过显著性检验（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，我们仍然保留截距项。 回归结果的公式表达 0.806863表示产出对劳动投入的弹性，即在资本投入保持不变的情况下，劳动投入每增加一个百分点，产出（GDP）将平均增加0.806863个百分点，即0.81% 0.729732表示产出