3.5回归模型的其他函数形式
一、模型的类型与变换
1、倒数模型、多项式模型与变量的直接置换法
2、幂函数模型、指数函数模型与对数变换法
3、复杂函数模型与级数展开法
二、非线性回归实例
三、非线性最小二乘估计
1. 普通最小二乘原理
2. 高斯-牛顿迭代法(对原始模型展开台劳级数,取一阶近似值)
⒊ 牛顿-拉夫森迭代法
大部分非线性关系又可以通过一些简单的数学处理,使之化为数学上的线性关系,从而可以运用线性回归模型的理论方法。
⒋应用中的一个困难
• 如何保证迭代所逼近的是总体极小值(即最小值)而不是局部极小值?
• 一般方法是模拟试验:随机产生初始值→估计→改变初始值→再估计→反复试验,设定收敛标准(例如100次连续估计结果相同)→直到收敛。
⒌非线性普通最小二乘法在软件中的实现
给定初值 写出模型 估计模型 改变初值 反复估计
1一般情况下,线性化估计和非线性估计结果差异不大。如果差异较大,在确认非线性估计结果为总体最小时,应该怀疑和检验线性模型。
2非线性估计确实存在局部极小问题。
3根据参数的经济意义和数值范围选取迭代初值。
4NLS估计的异方差和序列相关问题。NLS不能直接处理。应用最大似然估计。
3.6受约束回归
在建立回归模型时,有时根据经济理论需要对模型中的参数施加一定的约束条件。例如:
– 需求函数的0阶齐次性条件
– 生产函数的1阶齐次性条件
模型施加约束条件后进行回归,称为受约束回归(restricted regression);
未加任何约束的回归称为无约束回归(unrestricted regression)。
一、模型参数的线性约束
1、参数的线性约束
2、参数线性约束检验
具体问题能否施加约束?需进行相应的检验。常用的检验有:F检验、x2检验与t检验。
F检验:1构造统计量;2检验施加约束后模型的解释能力是否发生显著变化。
受约束样本回归模型的残差平方和RSSR大于无约束样本回归模型的残差平方和RSSU。这意味着,通常情况下,对模型施加约束条件会降低模型的解释能力
可用(RSSR -RSSU)的大小来检验约束的真实性。
如果约束条件为真,则受约束回归模型与无约束回归模型具有相同的解释能力,RSSR 与 RSSU的差异较小。
二、对回归模型增加或减少解释变量
前者可以被看成是后者的受约束回归,通过约束检验决定是否增加变量。
Ho:
三、参数的稳定性
1、邹氏参数稳定性检验:为了检验模型在两个连续的时间序列(1,2,…,n1)与(n1+1,…,n1+n2)中是否稳定,可以将它转变为在合并时间序列( 1,2,…,n1 ,n1+1,…,n1+n2 )中模型的约束检验问题。
合并两个时间序列为( 1,2,…,n1 ,n1+1,…,n1+n2 ),则可写出如下无约束回归模型
如果a=b,表示没有发生结构变化,因此可针对如下假设进行检验:H0: a=b
施加上述约束后变换为受约束回归模型:
参数稳定性的检验步骤(邹氏参数稳定性检验):
分别以两连续时间序列作为两个样本进行回归,得到相应的残差平方: RSS1与RSS2
将两序列并为一个大样本后进行回归,得到大样本下的残差平方和RSSR
计算F统计量的值,与临界值比较。若F值大于临界值,则拒绝原假设,认为发生了结构变化,参数是非稳定的。
2、邹氏预测检验
如果出现n2F(n2, n1-k-1) ,则拒绝原假设,认为预测期发生了结构变化。
第四章 经典单方程计量经济学模型:放宽基本假定的模型
基本假定违背主要 包括:
1随机误差项序列存在异方差性;
2随机误差项序列存在序列相关性;
3解释变量之间存在多重共线性;
4解释变量是随机变量且与随机误差项相关的随机解释变量问题;
5模型设定有偏误;
6解释变量的方差不随样本容量的增而收敛。
计量经济检验:对模型基本假定的检验 ----本章主要讨论前4类
正态性假设的违背:
1存在模型关系错误
2遗漏了显著的非正态随机变量
3由函数变换得到的待估模型不再服从正态分布
4存在被解释变量的观测误差
5存在解释变量观测误差时,只要回归函数非线性,随机误差项的正态性假设都不成立
4.1 异方差性
一、异方差的概念
1、对于不同的样本点,随机误差项的方差不再是常数,而互不相同,则认为出现了异方差性
2、异方差的类型
同方差:si2 = 常数,与解释变量观测值Xi无关;
异方差:si2 = f(Xi),与解释变量观测值Xi有关。
异方差一般可归结为三种类型:
单调递增型: si2随X的增大而增大
单调递减型: si2随X的增大而减小
复杂型: si2与X的变化呈复杂形式
3、实