《计量经济学3第三章-多元线性回归模型及非线性回归模型new上课讲义.ppt》由会员分享，可在线阅读，更多相关《计量经济学3第三章-多元线性回归模型及非线性回归模型new上课讲义.ppt（81页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、计量经济学3第三章-多元线性回归模型及非线性回归模型new分析中国汽车行业未来的趋势分析中国汽车行业未来的趋势,应具体分析这样一些问题：应具体分析这样一些问题：中国汽车市场发展的状况如何？中国汽车市场发展的状况如何？（用销售量观测）（用销售量观测）影响中国汽车销量的主要因素是什么？影响中国汽车销量的主要因素是什么？（如收入、价格、费用、道路状况、能源、政策环境等）（如收入、价格、费用、道路状况、能源、政策环境等）各种因素对汽车销量影响的性质怎样？各种因素对汽车销量影响的性质怎样？（正、负）（正、负）各种因素影响汽车销量的具体数量关系是什么？各种因素影响汽车销量的具体数量关系是什么？所得到的数量
2、结论是否可靠？所得到的数量结论是否可靠？中国汽车行业今后的发展前景怎样？应当如何制定汽车的中国汽车行业今后的发展前景怎样？应当如何制定汽车的产业政策？产业政策？很明显，只用一个解释变量已很难分析汽车产业的发展很明显，只用一个解释变量已很难分析汽车产业的发展,还需要寻求有更多个解释变量情况的回归分析方法。还需要寻求有更多个解释变量情况的回归分析方法。怎样分析多种因素的影响？怎样分析多种因素的影响？2 本章主要讨论本章主要讨论:多元线性回归模型及古典假定多元线性回归模型及古典假定 多元线性回归模型的估计多元线性回归模型的估计 多元线性回归模型的检验多元线性回归模型的检验 多元线性回归模型的预测多元
3、线性回归模型的预测3 第一节第一节 多元线性回归模型及古典假定多元线性回归模型及古典假定 一、多元线性回归模型的意义一、多元线性回归模型的意义 一般形式：对于有一般形式：对于有K-1个解释变量的线性回归模型个解释变量的线性回归模型 注意：注意：模型中的模型中的 （j=1,2,-k）是是偏回归系数偏回归系数 样本容量为样本容量为n 偏回归系数偏回归系数：控控制制其其它它解解释释量量不不变变的的条条件件下下，第第j j个个解解释释变变量量的的单单位位变变动动对对被被解解释释变变量量平平均均值值的的影影响响，即即对对Y Y平平均均值值“直直接接”或或“净净”的影响。的影响。4 4多元线性回归中的多元
4、线性回归中的“线性线性”指对各个回归系数而言是指对各个回归系数而言是“线性线性”的，对变量则可的，对变量则可以是线性的，也可以是非线性的以是线性的，也可以是非线性的例如：生产函数例如：生产函数取对数取对数这也是多元线性回归模型，只是这时变量为这也是多元线性回归模型，只是这时变量为lnY、lnL、lnK5多元总体回归函数多元总体回归函数条件期望表现形式：条件期望表现形式：将将Y Y的总体条件期望表示为多个解释变量的函数，如的总体条件期望表示为多个解释变量的函数，如:注意：这时注意：这时Y总体条件期望的轨迹是总体条件期望的轨迹是K维空间的一条线维空间的一条线个别值表现形式：个别值表现形式：引入随机
5、扰动项引入随机扰动项或表示为或表示为 6多元样本回归函数多元样本回归函数Y的样本条件均值可表示为多个解释变量的函数的样本条件均值可表示为多个解释变量的函数或回归剩余（残差）：或回归剩余（残差）：其中其中 7 二、多元多元线性回性回归模型的矩模型的矩阵表示表示 多个解释变量的多元线性回归模型的多个解释变量的多元线性回归模型的n组样本观测值，可组样本观测值，可表示为表示为 用矩阵表示用矩阵表示 8 8总体回归函数总体回归函数或或样本回归函数样本回归函数或或 其中：其中：都是有都是有n个元素的列向量个元素的列向量是有是有k 个个元素的列向量元素的列向量（k=解释变量个数解释变量个数+1）是第一列为是
6、第一列为1的的nk阶解释变量阶解释变量数据矩阵数据矩阵，(截距项可视为解释变量总是取值为截距项可视为解释变量总是取值为1)矩阵表示方式9 三、多元三、多元线性回性回归中的基本假定中的基本假定 假定假定1：零均值假定零均值假定 （i=1，2，-n）或 E（u）=0 假定假定2和假定和假定3：同方差和无自相关假定同方差和无自相关假定：或用方差或用方差-协方差矩阵表示为协方差矩阵表示为:（i=j）(ij)010假定假定5:无多重共线性假定无多重共线性假定 (多元中增加的多元中增加的)假假定定各各解解释释变变量量之之间间不不存存在在线线性性关关系系，或或各各个个解解释变量观测值之间线性无关。或解释变量
7、观测值释变量观测值之间线性无关。或解释变量观测值 矩阵矩阵X的秩为的秩为K(注意注意X为为n行K列列)。Ran(X)=k Rak(XX)=k 即即 (XX)可逆可逆 假定假定6:正态性假定正态性假定11假定假定4：随机扰动项与解释变量不相关随机扰动项与解释变量不相关11 第二第二节 多元多元线性回性回归模型的估模型的估计一、普通最小二乘法一、普通最小二乘法（OLSOLS）原则：原则：寻求寻求剩余平方和最小的参数估计式剩余平方和最小的参数估计式 即求偏导，并令其为0 其中即 12 用矩阵表示的正规方程偏导数偏导数因为样本回归函数为因为样本回归函数为 两边左乘两边左乘根据最小二乘原则根据最小二乘原
8、则则正规方程为则正规方程为13 OLS OLS估计式估计式 由正规方程由正规方程多元回归的多元回归的OLS估计量为估计量为当只有两个解释变量时为：当只有两个解释变量时为：注意：注意：为为X、Y的离差的离差对比对比简单线性回归中简单线性回归中14OLSOLS回回归线的数学性的数学性质 (与与简单线性回性回归相同相同)回归线通过样本均值回归线通过样本均值 估计值估计值 的均值等于实际观测值的均值等于实际观测值 的均值的均值 剩余项剩余项 的均值为零的均值为零 被解释变量估计值被解释变量估计值 与剩余项与剩余项 不相关不相关 解释变量解释变量 与剩余项与剩余项 不相关不相关 （j=1,2,-k）15
9、15二二、OLSOLS估估计式的式的统计性性质 1、线性线性特征 是是Y的的线线性性函函数数，因因 是是非非随随机机或或取取固固定值的矩阵定值的矩阵 2、无偏无偏特性 (证明见教材证明见教材P101附录附录3.1)3、最小方差最小方差特性 在在 所有的线性无偏估计中，所有的线性无偏估计中，OLS估计估计 具有最小方差具有最小方差 (证明见教材证明见教材P101或附录或附录3.2)结论：结论：在古典假定下，多元线性回归的在古典假定下，多元线性回归的 OLS估估 计式是最佳线性无偏估计式（计式是最佳线性无偏估计式（BLUE）16 三、三、OLSOLS估计的分布性质估计的分布性质基本思想基本思想：是
10、是随随机机变变量量，必必须须确确定定其其分分布布性性质质才才可可能能进进行行区区间间估计和假设检验估计和假设检验 是服从正态分布的随机变量，是服从正态分布的随机变量，决定了决定了Y Y也是服从正态分布的随机变量也是服从正态分布的随机变量 是是Y Y的的线线性性函函数数，决决定定了了 也也是是服服从从正正态态分分布布的的随机变量随机变量17 的期望的期望 (由无偏性由无偏性)的方差和标准误差：的方差和标准误差：可以证明可以证明 的方差的方差协方差矩阵为协方差矩阵为（见下页）（见下页）这里的这里的（其中（其中 是矩阵是矩阵 中第中第 j 行第行第 j 列的元素）列的元素）所以所以 （j=1,2,-
11、k）的期望与方差18其中：其中：(由无偏性由无偏性)(由同方差性由同方差性)(由由OLS估计式估计式)19注意注意是向量是向量的方差的方差-协方差协方差19 四、四、随机随机扰动项方差方差 的估的估计 一般未知，可证明多元回归中一般未知，可证明多元回归中 的无偏的无偏 估计为：估计为：(证明见证明见P103附录附录3.3)或表示为或表示为 将将 作标准化变换：作标准化变换：20对比对比:一元回归中一元回归中20五、五、回归系数的区间估计回归系数的区间估计 由于由于给定给定，查，查t分布表的自由度为分布表的自由度为n-k 的临界值的临界值或或或表示为或表示为2121 第三第三节多元多元线性回性回
12、归模型的模型的检验一、多元回归的拟合优度检验一、多元回归的拟合优度检验 多重可决系数多重可决系数：在多元回归模型中，由各个解释在多元回归模型中，由各个解释 变量联合起来解释了的变量联合起来解释了的Y的变差，在的变差，在Y的总变差中占的总变差中占 的比重，用的比重，用 表示表示 与简单线性回归中可决系数与简单线性回归中可决系数 的区别只是的区别只是 不同不同多元回归中多元回归中多重可决系数可表示为多重可决系数可表示为 (注意注意:红色字体是与一元回归不同的部分红色字体是与一元回归不同的部分)2222 多重可决系数的矩阵表示多重可决系数的矩阵表示 可用代数式表达为可用代数式表达为 特点特点:多重可
13、决系数是模型中解释变量个数的不减函多重可决系数是模型中解释变量个数的不减函 数数，这这给给对对比比不不同同模模型型的的多多重重可可决决系系数数带带来来缺缺陷陷，所所以需要修正。以需要修正。23修正的可决系数修正的可决系数思想：思想：可决系数只涉及变差，没有考虑可决系数只涉及变差，没有考虑自由度自由度。如果用自由度去校正所计算的变差，可纠如果用自由度去校正所计算的变差，可纠正解释变量个数不同引起的对比困难。正解释变量个数不同引起的对比困难。回顾回顾:自由度自由度：统计量的自由度指可自由变化的样本观统计量的自由度指可自由变化的样本观测值个数，它等于所用样本观测值的个测值个数，它等于所用样本观测值的
14、个数减去对观测值的约束个数数减去对观测值的约束个数。24可决系数的修正方法可决系数的修正方法 总变差总变差TSS自由度为自由度为n-1解释了的变差解释了的变差ESS自由度为自由度为k-1剩余平方和剩余平方和RSS自由度为自由度为n-k修正的可决系数为修正的可决系数为 25 修正的可决系数修正的可决系数 与可决系数与可决系数 的关系的关系 已经导出：已经导出：注意：注意：可可决决系系数数 必必定定非非负负，但但所所计计算算的的修修正正可可决决系系数数 有可能为负值有可能为负值 解决办法：解决办法：若计算的若计算的 ，规定，规定 取值为取值为0 0 2627二、回二、回归方程的方程的显著性著性检验
15、（F检验）基本思想：基本思想：在多元回归中包含多个解释变量，它们与被解释在多元回归中包含多个解释变量，它们与被解释变量是否有显著关系呢？变量是否有显著关系呢？当然可以分别检验各个解释变量对被解释变量影当然可以分别检验各个解释变量对被解释变量影响的显著性。响的显著性。但但是是我我们们首首先先关关注注的的是是所所有有解解释释变变量量联联合合起起来来对对被被解解释释变变量量影影响响的的显显著著性性,或或整整个个方方程程总总的的联联合合显显著著性性，需需要要对对方方程程的的总总显显著著性性在在方方差差分分析析的的基基础础上上进进行行F F检检验验。27原假设原假设:（所有所有解释变量联合起来对被解释变
16、量的影响不显著）解释变量联合起来对被解释变量的影响不显著）备择假设备择假设:不全为不全为0建立统计量建立统计量(可以证明可以证明):给定显著性水平给定显著性水平 ，查，查F分布表中自由度为分布表中自由度为 k-1 和和 n-k 的临界值的临界值 ，并通过样本观测，并通过样本观测值计算值计算F值值2828如果计算的如果计算的F值大于临界值值大于临界值 ，则拒绝则拒绝 ，说说明明回回归归模模型型有有显显著著意意义义，即所有解释变量联合起来对即所有解释变量联合起来对Y确有显著影响。确有显著影响。如果计算的如果计算的F值小于临界值值小于临界值 ，则不拒绝，则不拒绝 ，说明回归模型没有显著，说明回归模型
17、没有显著 意义，即所有解释变量联合起来对意义，即所有解释变量联合起来对Y没有显著影响。没有显著影响。29三、各回三、各回归系数的假系数的假设检验注意注意:在一元回归中在一元回归中F F检验与检验与t t检验等价检验等价,且且 (见教材见教材P87证明证明)但在多元回归中，但在多元回归中，F检验显著，不一定每个解释变量都对检验显著，不一定每个解释变量都对Y有显著影响。还需要分别检验有显著影响。还需要分别检验当其他解释变量保持不变当其他解释变量保持不变时时，各个解释变量，各个解释变量X对被解释变量对被解释变量Y是否有显著影响。是否有显著影响。方法：方法：原假设原假设 （j=1,2,k）备择假设备择
18、假设 统计量统计量t为：为：30给定显著性水平给定显著性水平，查，查t t分布表的临界值为分布表的临界值为如果如果 就不拒绝就不拒绝 ，而拒绝，而拒绝 即认为即认为 所对应的解释变量所对应的解释变量 对被解释变量对被解释变量Y Y的影响不显著。的影响不显著。如果如果 就拒绝就拒绝 而不拒绝而不拒绝 即即认认为为 所所对对应应的的解解释释变变量量 对对被被解解释释变变量量Y Y的的影影响响是是显显著的。著的。对各回归系数假设检验的作法31第四第四节多元多元线性回性回归模型的模型的预测 一、被解释变量平均值预测一、被解释变量平均值预测1.Y Y平均值的点预测平均值的点预测 方法：方法：将解释变量预
19、测值代入估计的方程：将解释变量预测值代入估计的方程：多元回归时：多元回归时：或或注意注意:预测期的预测期的 是第一个元素为是第一个元素为1 1的的行向量行向量,不是矩不是矩阵阵,也不是列向量也不是列向量 32 2.Y Y平均值的区间预测平均值的区间预测基本思想基本思想：（与简单线性回归时相同）（与简单线性回归时相同）由于存在抽样波动，预测的平均值由于存在抽样波动，预测的平均值不一定不一定等于真实平均值等于真实平均值，还需要对，还需要对作区间估计。作区间估计。为了对为了对Y作区间预测，必须确定平均值预测值作区间预测，必须确定平均值预测值的抽样分布。的抽样分布。必须找出与必须找出与和和都有关的统计
20、量都有关的统计量,并要明确其概率分布性质。并要明确其概率分布性质。3333区间预测的具体作法区间预测的具体作法当当未知未知时，只得用时，只得用代替，这时代替，这时简单线性回归中简单线性回归中(回顾简单线性回归回顾简单线性回归)3434 多元回归时，与预测的平均值多元回归时，与预测的平均值 和真实平均值和真实平均值 都有关的是二者的偏差都有关的是二者的偏差 ：服从正态分布，可证明服从正态分布，可证明 用用 代替代替 ，可构造，可构造 t t 统计量统计量区间预测的具体作法（多元时）区间预测的具体作法（多元时）35或者 服从正态分布，可证明服从正态分布，可证明 即即标准化标准化当用当用 代替代替
21、时时，可构造，可构造 t 统计量统计量3636 给定显著性水平给定显著性水平，查，查t分布表，得自由度为分布表，得自由度为n-k的的临界值临界值，则，则或或区间预测的具体作法区间预测的具体作法37二、被解二、被解释变量个量个别值预测 基本思想：基本思想：（与简单线性回归时相同）（与简单线性回归时相同）由由于于存存在在随随机机扰扰动动 的的影影响响，Y的的平平均均值值并并不不等等于于Y的个别值。的个别值。为为了了对对Y的的个个别别值值 作作区区间间预预测测，需需要要寻寻找找与与预预测测值值 和个别值和个别值 有关的统计量，并要明确其概率分布性质。有关的统计量，并要明确其概率分布性质。38 已已知
22、知剩剩余余项项是是与与预预测测值值和和个个别别值值都都有有关关的变量的变量并且已知并且已知服从正态分布，且多元回归时可证明服从正态分布，且多元回归时可证明当用当用代替代替时，对时，对标准化的标准化的变量变量t为：为：个别值区间预测个别值区间预测具体作法具体作法39给定显著性水平给定显著性水平，查，查t分布表得自由度为分布表得自由度为n-k的临的临界值界值则则因此，多元回归时因此，多元回归时Y的个别值的置信度的个别值的置信度1-的预测的预测区间的上下限为区间的上下限为40 第五节第五节 案例分析案例分析研究的目的要求研究的目的要求为了研究影响中国税收收入增长的主要原因，分析中央和地方为了研究影响
23、中国税收收入增长的主要原因，分析中央和地方税收收税收收入增长的数量规律，预测中国税收未来的增长趋势，入增长的数量规律，预测中国税收未来的增长趋势，需要建立计量经济模型。需要建立计量经济模型。研究范围：研究范围：19781978年年-2007-2007年年全国税收收入全国税收收入理论分析：理论分析：为了全面反映中国税收增了全面反映中国税收增长的全貌，的全貌，选择包括包括中央和地方税收的中央和地方税收的“国家国家财政收入政收入”中的中的“各各项税收税收”（简称称“税收收入税收收入”）作）作为被解被解释变量；量；选择国内生国内生产总值（GDP）作作为经济整体增整体增长水平的代表；水平的代表；选择中央
24、和地方中央和地方“财政支出政支出”作作为公共公共财政需求的代表；政需求的代表；选择“商品零售价格指数商品零售价格指数”作作为物物价水平的代表。价水平的代表。41年份税收收入（亿元）（Y）国内生产总值（亿元）（X2）财政支出（亿元）（X3）商品零售价格指数（%）（X4）1978519.283624.11122.09100.71979537.824038.21281.79102.01980571.704517.81228.83106.01981629.894862.41138.41102.41982700.025294.71229.98101.91983775.595934.51409.52101
25、.51984947.357171.01701.02102.819852040.798964.42004.25108.819862090.7310202.22204.91106.019872140.3611962.52262.18107.319882390.4714928.32491.21118.519892727.4016909.22823.78117.819902821.8618547.93083.59102.119912990.1721617.83386.62102.919923296.9126638.13742.20105.44219934255.3034634.44642.30113.
26、219945126.8846759.45792.62121.719956038.0458478.16823.72114.819966909.8267884.67937.55106.119978234.0474462.69233.56100.819989262.8078345.210798.1897.4199910682.5882067.513187.6797.0200012581.5189468.115886.5098.5200115301.3897314.818902.5899.220022003200420052006200717636.4520017.3124165.6828778.54
27、34804.3545621.97104790.6135822.8159878.3183217.4211923.5249529.922053.1524649.9528486.8933930.2840422.7349781.3598.799.9102.8100.8101103.843序列序列Y、X2、X3、X4的线性图的线性图可以看出可以看出Y、X2、X3都是逐年增都是逐年增长的，但增长速率有所变动，而长的，但增长速率有所变动，而且且X4在多数年份呈现出水平波动。在多数年份呈现出水平波动。说明变量间不一定是线性关系，说明变量间不一定是线性关系，可探索将模型设定为以下对数模可探索将模型设定为以下对数
28、模型：型：注意这里的注意这里的“商品零售价格指数商品零售价格指数”（X4）未取对数。）未取对数。44三、估三、估计计参数参数模型估计的结果为：模型估计的结果为：(0.6397)(0.1355)(0.1557)(0.0055)t=(-4.4538)(3.0420)(4.2788)(2.0856)F=673.7521 df=3045模型模型检验：1 1、经济意义检验：、经济意义检验：模型估计结果说明，在假定其它变量不变的情况下，当年GDP每增长1%，税收收入会增长0.4123%；当年财政支出每增长1%，平均说来税收收入会增长0.6664%；当年商品零售价格指数上涨一个百分点，平均说来税收收入会增长
29、0.0115%。这与理论分析和经验判断相一致。2 2、统计检验：、统计检验：拟合优度：拟合优度：，表明样本回归方程较好地表明样本回归方程较好地拟合了样本观测值。拟合了样本观测值。F F检验：检验：对对 已得到已得到 F=F=673.7521，给定，给定查表得自由度查表得自由度k-1=3和n-k=26的临界值的临界值 ，因为，因为 F=673.7521，说明模型总体上显著，说明模型总体上显著，即即“国国内生产总值内生产总值”、“财政支出财政支出”、“商品零售价格指数商品零售价格指数”等变量等变量联合起来确实对联合起来确实对“税收收入税收收入”有显著影响。有显著影响。4646 t t 检验分别针对
30、分别针对 ，给定显著性水平，给定显著性水平 ,查查t t分布表得自由度为分布表得自由度为n-k=21n-k=21的临界值的临界值 。由回归结果已知与由回归结果已知与 、对应的对应的t t值分别为：值分别为：-4.4538、3.0420、4.2788、2.0856，其绝对值均大于其绝对值均大于 ，这说明在显著性水平，这说明在显著性水平 下，分下，分别都应当拒绝别都应当拒绝 说明当在其它解释变量不变的情况下，解释变量说明当在其它解释变量不变的情况下，解释变量“国内生国内生产总值产总值”、“财政支出财政支出”、“商品零售价格指数商品零售价格指数”分分别对被解释变量别对被解释变量“税收收入税收收入”Y
31、 Y都有显著的影响。都有显著的影响。本章小本章小结1.多元线性回归模型及其矩阵形式。多元线性回归模型及其矩阵形式。2.多元线性回归模型中对随机扰动项多元线性回归模型中对随机扰动项u的假定，除了其他的假定，除了其他基本假定以外，还要求满足无多重共线性假定。基本假定以外，还要求满足无多重共线性假定。3.多元线性回归模型参数的最小二乘估计量；在基本假定多元线性回归模型参数的最小二乘估计量；在基本假定满足的条件下，多元线性回归模型最小二乘估计式是最满足的条件下，多元线性回归模型最小二乘估计式是最佳线性无偏估计量佳线性无偏估计量。4.多元线性回归模型中参数区间估计的方法。多元线性回归模型中参数区间估计的
32、方法。48 5.多重可决系数的意义和计算方法，修正可决系数多重可决系数的意义和计算方法，修正可决系数的作用和方法。的作用和方法。6.对多元线性回归模型中所有解释变量联合显著性的对多元线性回归模型中所有解释变量联合显著性的F检验。检验。7.多元回归分析中，对各个解释变量是否对被解释变多元回归分析中，对各个解释变量是否对被解释变量有显著影响的量有显著影响的t检验。检验。8.利用多元线性回归模型作被解释变量平均值预测利用多元线性回归模型作被解释变量平均值预测与个别值预测的方法。与个别值预测的方法。49第六节第六节 非线性回归模型非线性回归模型一、一、可线性化模型可线性化模型二、二、不可线性化模型不可
33、线性化模型三、三、回归模型的比较回归模型的比较参考文献参考文献【教学目的及要求教学目的及要求】掌握非线性回归的线性化过程；掌握非线性回归的线性化过程；了解不可线性回归模型的参数估计方法；了解不可线性回归模型的参数估计方法；掌握非线性回归模型参数估计的掌握非线性回归模型参数估计的EViews软件软件实现；实现；掌握回归模型优劣比较的标准；掌握回归模型优劣比较的标准；掌握利用回归模型进行边际分析和弹性分析。掌握利用回归模型进行边际分析和弹性分析。教学目的及要求教学目的及要求1 1倒数变换模型（双曲函数模型）倒数变换模型（双曲函数模型）设：即可变换为线性。模型应用：平均固定成本曲线、商品成长曲线 菲
34、利普斯曲线等一、可线性化模型一、可线性化模型2双对数模型（幂函数模型）双对数模型（幂函数模型）则转换成线性回归模型：设:模型其中：弹性弹性3 3半对数模型半对数模型 模型 y=a+blnx+(对数函数模型)lny=a+bx+(指数函数模型)对数函数模型中，指数函数模型中，4 4多项式模型多项式模型 对于模型 设:则:模型转化成多元线性回归模型。【例例1 1】为了分析某行业的生产成本情况，为了分析某行业的生产成本情况，从该行业中选取了从该行业中选取了1010家企业，表家企业，表2-102-10中列出中列出了这些企业总产量了这些企业总产量Y Y（吨）和总成本（吨）和总成本X X（万元）（万元）的有
35、关资料，试建立该行业的总成本函数和的有关资料，试建立该行业的总成本函数和边际成本函数。边际成本函数。表表2-10 2-10 某行业产量与总成本统计资料某行业产量与总成本统计资料总成本Y19.322.624.024.225.726.027.429.735.042.0总产量X102030405060708090100 根据边际成本的根据边际成本的U型曲线理论，总成本函数可以用产型曲线理论，总成本函数可以用产量的三次多项式近似表示，即：量的三次多项式近似表示，即：设设:EViewsEViews的命令操作：的命令操作：GENRX1=XGENRX2=X2GENRX3=X3LSYCX1X2X3变换即可变换
36、即可 对总成本函数求导数，得到边际成本函数对总成本函数求导数，得到边际成本函数的估计式为：的估计式为：得到总成本函数估计式：得到总成本函数估计式：采用：采用：高斯高斯牛顿迭代法牛顿迭代法1 1迭代估计法迭代估计法 模型模型 估计过程如下估计过程如下：（1 1）根据经济理论和所掌握的资料，先确定一组）根据经济理论和所掌握的资料，先确定一组数数a a0 0,b,b0 0,c,c0 0作为参数作为参数a,b,ca,b,c的初始估计值；的初始估计值；（2 2）将模型在点（）将模型在点（a a0 0,b,b0 0,c,c0 0）处展开成泰勒级数，）处展开成泰勒级数，并取一阶近似值；并取一阶近似值；二、不
37、可线性化模型二、不可线性化模型（3）作变量变换，转化成线性回归模型,以利用OLS法估计模型，得到参数的第一组估计值（4）将 代入线性回归模型取代参数的上一组估计值，重新变量变换，计算出一组新观察值，进而得到a、b、c的第二组估计值。（5）重复第（4）步，逐次估计，直到第t+1次估计值的估计误差小于事先取定的误差精度时为止。并以第t+1次的计算结果作为参数a、b、c的估计值。2 2迭代估计法的迭代估计法的EViewsEViews软件实现软件实现 (1)设定待估参数的初始值方式1：PARAM命令，格式为：PARAM 1 初始值1 2 初始值2 方式2：在工作文件窗口中双击序列C，并在序列窗口中直接
38、输入参数的初始值(2)估计非线性模型 【命令方式】键入命令：NLS 被解释变量=非线性函数表达式如，对于非线性回归模型y=a(x-b)/(x-c)+，则 NLS Y=C(1)*(X-C(2)/(X-C(3)【菜单方式】（1）在数组窗口中点击ProcsMake Equation；（2）在弹出的方程描述对话框中输入模型具体形式：Y=C(1)*(X-C(2)/(X-C(3)；（3）选择估计方法为最小二乘法后点击OK。注：可设置最大迭代次数和误差精度，初始值和精度得设定会影响估计结果。【例例2 2】我国国有工业企业生产函数（例4续）。例4中曾估计出我国国有独立核算工业企业的线性生产函数，现建立C-D（
39、Cobb-Dauglas）生产函数：（1）转化成线性模型进行估计 lny=lnA+lnL+lnK+键入以下命令：GENR LNY=log(Y)GENR LNL=log(L)GENR LNK=log(K)LS LNY C LNL LNK 得到C-D生产函数的估计式为：操作演示即:（2）利用迭代法直接估计非线性模型：输入命令：Param 1 1 2 1 3 1 在主窗口中点击ObjectsNew Object，并选择Equation；输入非线性模型的方程表达式：Y=C(1)*LC(2)*KC(3)如果要修改迭代次数或收敛的误差精度,可点击Options按钮进行设置。点击OK后，系统将自动进行迭代运
40、算并输出估计结果：操作演示报告迭代了报告迭代了1313次后收敛次后收敛对应对应A A，1图形观察分析（1）观察趋势图 变量的发展趋势是否一致？解释变量能否反映被解释变量的波动变化情况？变量发展过程中是否有异常点等问题。（2）观察相关图 直观地判断两者的相关程度和相关类型。三、回归模型的比较三、回归模型的比较2模型估计结果观察分析（1）回归系数的符号、值的大小。（2）改变模型形式之后是否使判定系数的值明显提高。（3）各个解释变量t检验的显著性。（4）系数的估计误差较小。在方程窗口点击View Actual,Fitted,Residual Tabe（或Graph），观察：（1）各期残差是否大都落在
41、 的虚线框内；（2）残差分布是否具有某种规律性，即是否存在着系统误差；（3）近期残差的分布情况。注意：当模型侧重于预测，则应关注F,R2,当模型侧重于因素分析，则应关注t。3残差分布观察分析【例例3 3】我国税收预测模型的比较分析。（1）相关图分析：键入 SCAT X Y(3.1版)，结果如图（2）估计模型：GENR LNY=Log(Y)GENR LNX=Log(X)GENR X2=X2 LS LNY C X （指数函数模型）LS Y C X X2 （二次函数模型）LS LNY C LNX （双对数模型）指数模型的估计结果如下：R2值值调整的调整的R2值值F统计量的值统计量的值二次函数模型的估
42、计结果如下：R2值值调整的调整的R2值值F统计量的值统计量的值双对数模型的估计结果如下：R2值值调整的调整的R2值值F统计量的值统计量的值（3）残差分布分析 指数函数指数函数二次函数二次函数（4）拟合预测分析 对于二次函数模型，在方程窗口中直接点击Forcast按纽，就可以得到其在样本期的拟合预测值，设命名为Y2。而对于指数函数模型，需要先在方程窗口中由Forcast按纽得到lnY的预测值，设命名为LNYF，然后再计算Y的预测值Y1，即：GENR Y1=EXP（LNYF）然后打入命令：PLOT Y Y1 PLOT Y Y2 即可得到模型1、2的拟合预测图（见下图）：指数函数拟合预测图二次函数拟
43、合预测图（5）外推预测调整数据区间和样本区间扩充数据区间：EXPAND 起始期 终止期调整样本区间：SMPL 起始期 终止期例如：EXPAND 1985 2010 SMPL 1978 2008或直接双击Range或Sample进行设置。输入解释变量X的值方程窗口中点击Forecast按钮进行预测。参考文献参考文献1.张晓峒.计量经济学软件EViews使用指南.南开大学出版社，20042.信息工程学院网站（精品课程计量经济学参考论文简单回归）3.JM伍德里奇计量经济学导论中国人民大学出版社，20034.古扎拉蒂.计量经济学基础（第四版）.林少宫译.中国人民大学出版社,20065.易丹辉数据分析与EViews应用，中国统计出版社，20026.高铁梅计量经济分析方法与建模EViews应用及实例，清华大学出版社，2006 80第三章结束了！第三章结束了！80此课件下载可自行编辑修改，仅供参考！此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢感谢您的支持，我们努力做得更好！谢谢