应用回归分析（第四版）何晓群-第9章 非线性回归.pptVIP

§9.3 非线性模型 * * 其中，y是国内生产总值GDP (单位：亿元)， K是资金投入，包括固定资产投资和库存占用资 金(单位：亿元)， L是就业总人数(单位：万人)。 (1)假设随机误差项为相乘的，我们可以用两边取对数的办法，按照（9.16）式将模型转化线性形式，对数变换后的数据见表9.12，用SPSS作线性回归得如下结果： 中国人民大学六西格玛质量管理研究中心 §9.3 非线性模型 * * 输出结果9.7 中国人民大学六西格玛质量管理研究中心 §9.3 非线性模型 * * 得两个弹性系数为a=0.902，b =0.361，资金的贡献率大于劳动力的贡献率。 规模报酬a+b =0.902+0.361=1.263＞1表示规模报酬递增。 效率系数A= =0.1242。 其中系数b 的显著性概率P值=0.087，显著性较弱。 得乘性误差项的C-D生产函数为： 中国人民大学六西格玛质量管理研究中心 §9.3 非线性模型 * * 对加性误差项模型,不能通过变量变换数转化成线性模型，只能用非线性最小二乘法求解未知参数。以上面乘性误差项的参数为初值做非线性最小二乘，经过81步迭代得下面的输出结果9.8。其中参数β的置信度为95%的置信区间为（-0.555 ，1.565），包含0在内，因而不能认为β非0，显著性较弱。 得加性误差项的C-D生产函数为： 中国人民大学六西格玛质量管理研究中心 §9.3 非线性模型 * * 输出结果9.8 中国人民大学六西格玛质量管理研究中心 §9.3 非线性模型 * * 中国人民大学六西格玛质量管理研究中心 §9.3 非线性模型 * * 三、其他形式的非线性回归 非线性最小二乘是使残差平方和 达极小的方法,其最大的缺点是缺乏稳健性。当数据存在异常值时，参数的估计效果变得很差。因而在一些场合，我们希望用一些更稳健的残差损失函数代替平方损失函数 中国人民大学六西格玛质量管理研究中心 §9.3 非线性模型 * * 绝对值残差损失函数 利用SPSS的非线性回归程序，可以用数值计算法求解多种损失函数的回归估计值。以下以例3.2北京经济开发区数据为例，说明用SPSS软件的最小绝对值法求解方法。 中国人民大学六西格玛质量管理研究中心 §9.3 非线性模型 * * 1．进入非线性回归对话框，在因变量框中点入y，在Model Expressions框中输入回归方程表达式b0+b1*x1+b2*x2； 2.给参数赋初值，以普通最小二乘估计值为初始值，初始值为b0=-327.039,b1=2.036,b2=0.468，点Continue返回非线性回归对话框; 3.点选Options选项,进入Options选项框选择数值计算方法，默认的计算方法是Levenberg-Marquardt方法,将其改为Sequential quadratic program方法，点Continue返回非线性回归对话框。用自定义损失函数计算时必须做这个改动； 4．点Loss进入Loss Function对话框给出损失函数，默认的损失函数是Sum of squared residuals,将其改为User-defiend loss function，然后输入ABS(y-b0-b1*x1-b2*x2)，点Continue返回非线性回归对话框； 5．点Save保存残差变量和预测值： 中国人民大学六西格玛质量管理研究中心 * * 中国人民大学六西格玛质量管理研究中心 * * 中国人民大学六西格玛质量管理研究中心 * * 中国人民大学六西格玛质量管理研究中心 §9.2 多项式回归 * * 表9.6 回归变量表 中国人民大学六西格玛质量管理研究中心 §9.2 多项式回归 * * 这个线性回归只有7组观测数据却有10个未知参数，需要使用逐步回归逐个引入变量。 在SPSS软件逐步回归模块默认的进入变量P值=0.05，剔除变量P值=0.10的条件下，逐步回归只进行了一步就结束了，只选入了自变量x2。为了更全面地了解回归的效果，可以把进入变量的条件放宽一些。 用Option选项把进入变量P值改为0.30，剔除变量P值改为0.50，重新做逐步回归。 后边同学自己看看即可! 中国人民大学六西格玛质量管理研究中心 §9.3 非线性模型 * * 一、非线性最小二乘 非线性回归模型一般可记为： yi = f (xi,θ)+εi ,