第七章 非线性方程模型.pptx

第七章

非线性方程模型;学习目标：

了解非线性方程模型的分类与转化。

掌握二元Logistic、二元Probit、二元Tobit离散选择模型的一般形式、估计原理。

熟练运用Eviews软件进行NLS模型的估计与检验。

熟练运用Eviews软件创建二元离散选择模型数据；熟练进行二元Logistic、二元Probit、二元Tobit离散选择模型的估计、检验、以及相关图表的刻画。

通过本章非线性模型的转化、处理及应用，提升学生应用二元离散选择模型解决实际问题的能力。;第一节非线性方程模型的分类

第二节二元离散选择模型

第三节二元Logistic离散选择模型及其参数估计

第四节二元Probit离散选择模型及其参数估计

第五节二元Tobit离散选择模型及其参数估计

第六节二元离散选择模型系数的经济含义

;;（二）k阶多项式模型;（三）半对数模型;（四）双对数模型;二、不可直接线性化的非线性模型;2、Logistic模型;（二）不可线性化的模型;2、非线性最小二乘法（NLS）;NLS在Eviews软件中的操作：;在方程描述窗口中输入非线性方程的具体形式，函数表达式中的参数用表示，如图6-2所示。;一、二元离散选择模型的经济背景;又如，公共交通工具与私人交通工具的选择问题取决于两类因素：一类是公共交通工具与私人交通工具所具有的属性，诸如速度、耗费时间、成本等；一类是决策个体所具有的属性，诸如职业、年龄、收入水平、健康状况等。

二元选择模型在我们的经济生活中是大量存在的。;二、线性概率模型及二元选择模型的形式;令;只有当的取值在（0,1）之间时才成立;扰动项的方差为;假设有一个未被观察到的潜在变量，它与Xi

之间具有线性关系，即;根据分布函数F的不同，二元选择模型可以有不同的类型，常用的二元选择模型如下表所示。

;三、二元选择模型的估计问题;对数似然函数的一阶条件为;四、二元选择模型的假设检验问题;零假设为;式中：分别为H0情形和H1情形下的似然函数值的估计量。;上述3个统计量服从分布，自由度为中的变量数目。给定显著性水平，查分布临界值分布，与计算得到的实际统计量值进行比???，如果，拒绝，接受。;一、Logistic回归概述;假设理论上存在一个与家庭年收入X有关的连续

型指标变量Yi*

;显然，Yi能够用于表示一个家庭是否购买汽车

的二分类变量。由上面设置知

;（7-23）;若令;类似地，多变量Logistic回归也可以写成多元

Logit模型的形式

;Logistic回归与普通线性回归模型的区别：;二、Logistic回归模型估计;对应于N个样本数据，其对数似然函数为;根据微积分知识知，极大似然估计值可以从以下;Logistic回归参数的极大似然估计值有如下性质;（3）极大似然估计为渐进正态的，当样本容量较大时，可以采用正态假设来构造模型参数的显著性检验与估计参数的置信区间等。;（二）Logistic回归的拟合优度检验;如果样本中的一个观测值数据的Y取值为0,并且该样本属于第1组，或者一个观测值数据的Y取值为1，并且该样本属于第2组，就称这个观测数据的分组是恰当的，否则就是不恰当的。

如果模型估计与实际观测数据比较一致，则大多数的观测数据的分组是恰当的。

;如果分组不恰当的观测数据所占的比重很大，模型估计与实际观测数据的拟合程度就较差，模型就需要调整。

因此，就可以利用分组恰当的观测数据占总样本的比例来检验模型的拟合优度，这种检验方法称为期望-预测表检验。;单一解释变量X、多变量Xi的Probit过程的具体形式分别为;对Probit过程的参数估计同样采用极大似然估计法，;一、Tobit离散选择模型的现实背景—受限因变量问题;例：某城市共有20万户居民，现以该城市居民对于联排别墅的需求为因变量，建立需求函数模型。在抽取样本时，仅在家庭年消费支出在10万元（人民币）以上或者年收入在40万元（人民币）以上的家庭中随机抽取，这就是典型的截尾问题，因为不满足条件的全部被排除在样本之外；;如果以随机方式在全体市民中抽取样本，但出于抽样人力和物力成本原因，家庭年消费支出在5万元人民币）以下的家庭用5万元代替，年收入在10万元（人民币）以下则用10万元代替，这就是典型的删失问题，因为因变量中，家庭年消费支出5万元的观测值同时代表了家庭年消费支出实际为5万元和小于5万元的家庭，或者