经济预测与决策非线性回归分析法.pptVIP

第1页，共25页，星期日，2025年，2月5日学习目标了解：非线性回归模型的一般形式理解：可线性化的非线性回归的形式变换、不可线性化的参数估计方法。掌握：应用Eviews软件进行非线性趋势预测第2页，共25页，星期日，2025年，2月5日1可化为线性的回归模型一、非线性回归模型的直接代换1.多项式函数模型令原模型可化为线性形式即可利用线性回归分析的方法处理了。新引进的自变量只能依赖于原始变量，而不能与未知参数有关。第3页，共25页，星期日，2025年，2月5日任何一连续函数都可用分段多项式来逼近，所以在实际问题中，不论变量y与其他变量的关系如何，在相当宽的范围内我们总可以用多项式来拟合。第4页，共25页，星期日，2025年，2月5日2.双曲线模型令原模型可化为线性形式即可利用线性回归分析的方法处理了。第5页，共25页，星期日，2025年，2月5日3.半对数函数模型和双对数函数模型半对数函数模型双对数函数模型令原模型可化为线性形式第6页，共25页，星期日，2025年，2月5日4.三角函数回归模型令则这类变换本身不涉及模型参数，其参数估计就是原模型的参数估计。第7页，共25页，星期日，2025年，2月5日二、非线性模型的间接代换（对数变换法）1.指数曲线模型对数变换再采用前述代换的形式建立线性模型。如：著名的柯布——道格拉斯（Cobb—Douglas）生产函数就是其中一个典型。第8页，共25页，星期日，2025年，2月5日2.幂函数曲线回归模型对数变换令原模型可化为线性形式模型变换涉及参数，估计参数后要还原。第9页，共25页，星期日，2025年，2月5日2不可转换成线性的趋势模型一、不可线性化模型1、不可线性化模型：无论采取什么方式变换都不可能实现线性化的模型。2、常用的处理方法：一般采用高斯一牛顿迭代法进行参数估计，即借助于泰勒级数展开式进行逐次的线性近似估计。第10页，共25页，星期日，2025年，2月5日二、迭代估计法基本思路是：1、通过泰勒级数展开使非线性方程在某一组初始参数估计值附近线性化；2、然后对这一线性方程应用OLS法，得出一组新的参数估计值；3、使非线性方程在新参数估计值附近线性化，对新的线性方程再应用OLS法，又得出一组新的参数估计值；4、不断重复上述过程，直至参数估计值收敛时为止。第11页，共25页，星期日，2025年，2月5日设有模型式中，k为自变量的个数，p为参数的个数，f为非线性函数。利用泰勒级数展开式，将模型展开作线性逼近一、将非线性函数f对系数的给定初始值展开为泰勒级数第12页，共25页，星期日，2025年，2月5日取式右边的前二项，略去f展开式第三项及以后所有项，即高阶项，作非线性模型的线性近似。对上式利用OLS估计出一组系数重复对作另一次泰勒级数展开，得到一新的线性近似，利用OLS估计出一组系数第13页，共25页，星期日，2025年，2月5日如此反复，得出一点列使其收敛为止，即满足下述条件i=1,2,…,pδ为一很小的值,δ小到何种程度,根据需要而定.五、如第四步得的点列不收敛，这时再选一组新的初始系数值，重新作逐次线性近似估计。第14页，共25页，星期日，2025年，2月5日最后，需要说明非线性回归应注意的几个问题第一，对非线性模型来说：首先，我们不能从回归残差中得出随机项方差的无偏估计量。其次，由于非线性模型中的参数估计量同随机项不成线性关系，所以它们不服从正态分布，其结果使得t检验和F检验都不适用。第二，我们用上面的方法得出的样本回归方程，可以用来预测未来某个时期的因变量值，其计算公式如下：这里应该指出，由于已经不再是随机项的线性函数，因此，已经不具备线性回归中估计值的最佳、线性、无偏的性质，置信区间也无法构造了。第15页，共25页，星期日，2025年，2月5日三、迭代估计法的Eviews软件实现⒈设定代估参数的初始值，可采用以下两种方式：（1）使用param命令。命令格式为param初始值1初始值2初始值3……