almon多项式_计量经济学 总结.docx

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