计量经济学非线性回归模型的线性化

1、第四章 非线性回归模型的线性化以上介绍了线性回归模型。但有时候变量之间的关系是非线性的。例如匕=a0 + % x/i+ %yt = a 0 e a) + ut上述非线性回归模型是无法用最小二乘法估计参数的。可采用非线性方法进行估 计。估计过程非常复杂和困难，在20世纪40年代之前几乎不可能实现。计算机的出 现大大方便了非线性回归模型的估计。专用软件使这种计算变得非常容易。但本章不 是介绍这类模型的估计。另外还有一类非线性回归模型。其形式是非线性的，但可以通过适当的变换，转 化为线性模型，然后利用线性回归模型的估计与检验方法进行处理。称此类模型为可 线性化的非线性模型。下面介绍几种典型的可以线性

2、化的非线性模型。4.1可线性化的模型指数函数模型yt = ae bxt+ ut(4.1)b0和b 0)图4.2 yt=aebxt+ut , (b 0和b 0)= a + b xt* + ut图4.3 y t幂函数模型(4.6)= a xt b e utb取不同值的图形分别见图4.5和4.6。xt和yt的关系是非线性的。对上式等号两侧同取对数，得Lnyt = Lna + b Lnxt + ut令 y* * = Lnyt, a * = Lna, x* * = Lnxt,贝 U上式表示为 yt* = a* + b xt* + ut(4.7)(4.8)变量yt*和xt*之间已成线性关系。其中ut表示随

3、机误差项。（4.7）式也称作全对数模型。双曲线函数模型(4.9)1/yt = a + b/xt + ut也可写成，yt = 1/ (a + b/xt + ut)(4.10)b0情形的图形见图4.7。x,和匕的关系是非线性的。令匕* = 1/匕,xt* = 1/xt,得* = a + b xt* + ut已变换为线性回归模型。其中ut表示随机误差项。图4.7 yt = 1/ (a +b/xt),(b 0)图4.8 yt = a + b/xt , (b 0)双曲线函数还有另一种表达方式，yt = a + b/xt + ut(4.11)b0情形的图形见图4.8。xt和yt的关系是非线性的。令xt*

4、= 1/xt，得yt = a + b xt* + ut上式已变换成线性回归模型。例 4.2(P139，例 3.5多项式方程模型一种多项式方程的表达形式是yt =b0 +b1xt +b2xt2 +b3xt3 +ut(4.12)其中 b 10, b20, b30 和 b 10, b30, b20和b 1 0情形的图形分别见图4.13和4.14。美国人口统计学家Pearl和Reed广泛研究了有机体的生长，得到了上述数学模型。生长模型（或逻辑斯谛曲线，Pearl-Reed曲线）常用于描述有机体生长发育过程。其中k和0分别为yt的生长上限和下限。 Limy = k, Limy =0。a,b为待估参数。曲

5、线有拐点，坐标为（Lnb, k），曲 tta2线的上下两部分对称于拐点。图 4.13 yt = k / (1 + be -at+ut )图 4.14 yt = k / (1 + beat+ut )为能运用最小二乘法估计参数a, b，必须事先估计出生曲线长上极限值k。线性化过程如下。当k给出时，作如下变换，k/yt = 1 +be at+ut.移项，k/yt - 1 = be - at+ut取自然对数，Ln ( k/yt - 1) = Lnb - a t + ut令 y* = Ln ( k/yt - 1), b* = Lnb,则yt* = b* - a t + ut此时可用最小二乘法估计b*和a

6、。(4.18)(4.19)图4.15 内地5月1日至28日每天非典数据一览 龚伯斯(Gompertz)曲线英国统计学家和数学家最初提出把该曲线作为控制人口增长的一种数学模型，此模型可用来描述一项新技术，一种新产品的发展过程。曲线的数学形式是，- at yt = ke 一 b图 4.15 yt = ke-be曲线的上限和下限分别为k和0, Limyt = k, Limyt = 0。a, b为待估参数。曲线有拐点， t St 8坐标为(Lnb,k)，但曲线不对称于拐点。一般情形，上限值k可事先估计，有了 k值， ae龚伯斯曲线才可以用最小二乘法估计参数。线性化过程如下：当k给定时，yt/k = e

7、beat，k/yt = ebeatLn (k/yt) = beat，LnLn(k/yt) = Lnb - a t令 y*= LnLn(k/yt), b* = Lnb，则y* = b* - a t上式可用最小二乘法估计b*和a。Cobb-Douglas生产函数下面介绍柯布 道格拉斯(Cobb-Douglas)生产函数。其形式是Q = k La C 1 - a(4.24)其中Q表示产量；L表示劳动力投入量；C表示资本投入量；k是常数；0 a 1，称模型为规模报酬递增型；31 + 32 1，称模型为规模报酬递减型。对于对数线性模型，Lny = Ln30+ 31 Lnxt 1 + 32Lnxt2 +

8、ut，31和32称作弹性系数。 以31为例，31= SLn2 = y型= 以/ yt =人一(4.28)aLnxt 1xt 1 -1 axt1 axt 1/xt 1yt a1可见弹性系数是两个变量的变化率的比。注意，弹性系数是一个无量纲参数，所以便 于在不同变量之间比较相应弹性系数的大小。对于线性模型，yt=a。+ a1 xt 1 + a2xt2 + ut，a1和a2称作边际系数。以a1为例，a1 = N(4.29)axt1通过比较(4.28)和(4.29)式，可知线性模型中的回归系数(边际系数)是对数线性回归 模型中弹性系数的一个分量。例 4.1 (136P 例 3.4)略4.2非线性化模型

9、的处理方法模型：y=a + axb1 + a xb2无论通过什么变换都不可能实现线性化，对于这种模型 01122称为非线性化模型。可采用高斯牛顿迭代法进行估计，即将其展开泰勒级数后，再 进行迭代估计方法进行估计。1、迭代估计法思想是：通过泰勒级数展开，先使非线性方程在某组初始参数估计值附近线性化， 然后对这一线性方程应用OLS法，得出一组新的参数估计值。下一步是使非线性方程 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。不断重复上述过程，直至参数估计值收敛时为止。其步骤如下。1)对模型：y = f (x1,x2, ,x,b1,b2, ,b ) + u在给定

10、的参数初始值耳他。bp。展开泰勒级数：y = f (x, x2，x, * %, bpo)+小。bJ bio+ - XX I2fI (b 一 b )(b - b ) + u2 I db db I i io j j 0i T可 io(b - b )取前两项，便有线性近似：y - f (x , x , , x , b , b , , b ) + b -f-12 k 1020 poio I 0bi=i i 4./ _/ AXb叵+-注fi0b )20b0bi=1 、 i / b.1=1 j=1、 i j /iobiobj0io(b - b )(b - b o)+u2)将上式左端看成组新的因变量，将右端

11、变看成一组新的自变量，这就已 0 b I bio TOC o 1-5 h z 八八八经成为标准线性模型，再对其就用OLS法，得出一组估计值b ,b , ,b 。11 21p1八八八3)重复第一、二步，在参数估计值b ,b , ,b附近再做一次泰勒级数展开，得1121p1 - 八八八到新的线性模型，应用OLS法，又得出一组参数估计值：b ,b , ,b。 1222 p2.一，一 .一 .、一八八八 4)如此反复，得出一组点序列b ,b , ,b (j = 1,2,)直到其收敛为止。j 2 jpj2、迭代估计法的EViews实现过程1)设定代估参数的初始值，方法有两种：八、使用Param命令设定，

12、枚U如，Param 1 0.5 2 0 3 0则将待估的三个参数的初始值设成了 0.5，0，0.3、在工作文件窗口中双击序列C，并在序列窗口直接输入参数的初始值。2)估计参数A、命令方式在命令窗口可以直接键入非线性模型的迭代估计命令NLS。格式为：NLS 被解释变量，=非线性函数表达式例如，对于非线性回归模型y=a* + u估计命令为 x+cNLS y=c(1)*(x-c(2)/(x-c(3)B、菜单方式。在数组窗口 “procsmake epuation；在弹出的方程描述对话框中输入非线性回归模型的具体形式；y=c（1）*（x-c（2）/（x-c（3）选择估计方法为最小二乘法后单击（OK）例

13、（P146例3.7） 略4.3回归模型的比较当经济变量呈现非线性关系时，经常可以采用多个不同数学形式的非线性模型。 如何选择？1、图开观察分析1）观察被解释变量和解释变量的趋势图。2）观察被解释变量和解释变量的相关图2、模型估计结果分析1）回归系数符号和大小是否符合经济意义，2）改变模型后，是否使决定系数的值明显提高。3） T检验与F检验。3、残差分析残差反映了模型未能解释部分的变化情况。1）残差分布表中，各期残差是否大都落在土。的虚线内。2）残差分布是否具有某种规律性。3）近期的残差分析情况。例1：此模型用来评价台湾农业生产效率。用台湾1958-1972年农业生产总值（匕），劳动力（%），资

14、本投入（7）数据（见表4.1）为样本得估计模型，L ny = -3.4 + 1.50 Lnx, + 0.49 Lnx,（4.30）tt（2.78）（4.80）R2 = 0.89, F = 48.45还原后得，yt= 0.713 xt11.50 xt20.49（4.31）因为1.50 + 0.49 = 1.99，所以，此生产函数属规模报酬递增函数。当劳动力和资本投 入都增加1%时，产出增加近2%。例2：用天津市工业生产总值（%），职工人数（4），固定资产净值与流动资产平 均余额（Kt）数据（1949-1997）为样本得估计模型如下：Ln Y = 0.7272 + 0.2587Ln L + 0.6

15、986 LnK(3.12)(3.08)(18.75)R2 = 0.98, s.e. = 0.17, DW = 0.42, F = 1381.4因为0.2587 + 0.6986 = 0.9573，所以此生产函数基本属于规模报酬不变函数。例3：硫酸透明度与铁杂质含量的关系(摘自数理统计与管理1988.4, p.16) 某硫酸厂生产的硫酸的透明度一直达不到优质指标。经分析透明度低与硫酸中金属杂质的含量太高有关。影响透明度的主要金属杂质是铁、钙、铅、镁等。通过正交 试验的方法发现铁是影响硫酸透明度的最主要原因。测量了47个样本，得硫酸透明度(y)与铁杂质含量(x)的散点图如下(file:nonli0

16、1)：(1)y = 121.59 - 0.91 x(10.1) (-5.7)R2 = 0.42, s.e. = 36.6, F= 32(2)1/y = 0.069 - 2.37 (1/x)(18.6) (-11.9)R2 = 0.76, s.e. = 0.009, F= 142(3)y = -54.40 + 6524.83 (1/x)(-7.2) (16.3)R2 = 0.86, s.e. = 18.2, F= 266(4)Lny = 1.99 + 104.5 (1/x)(22.0) (21.6)R2 = 0.91, s.e. = 0.22, F= 468还原，Lny = Ln(7.33) +

17、 104.5 (1/x)y = 7.33 J04：)EViews 命令 Y=C(1)*EXP(C(2)*(1/X)(5)非线性估计结果是y = 8.2965 J00(X)R2 = 0.96,例4中国铅笔需求预测模型（非线性模型案例，file:nonli6）中国从上个世纪30年代开始生产铅笔。1985年全国有22个厂家生产铅笔。产量 居世界首位（33.9亿支），占世界总产量的1/3。改革开放以后，铅笔生产增长极为迅 速。1979-1983 年平均年增长率为 8.5%。铅笔销售量时间序列见图 4.21。1961-1964 年的销售量平稳状态是受到了经济收缩的影响。文革期间销售量出现两次下降，是受

18、到了当时政治因素的影响。1969-1972年的增长是由于一度中断了的中小学教育逐步恢 复的结果。1977-1978年的增长是由于高考正式恢复的结果。1981年中国开始生产自 动铅笔，对传统铅笔市场冲击很大。1979-1985年的缓慢增长是受到了自动铅笔上市的 影响。初始确定的影响铅笔销量的因素有全国人口、各类在校人数、设计人员数、居民 消费水平、社会总产值、自动铅笔产量、价格因素、原材料供给量、政策因素等。经 过多次筛选、组合和逐步回归分析，最后确定的被解释变量是匕（铅笔年销售量，千 万支）；解释变量分别是七1（自动铅笔年产量，百万支）；七2 （全国人口数，百万人）; 3 （居民年均消费水平，

19、元）；七4（政策变量）。因政策因素影响铅笔销量出现大幅下 降时，政策变量取负值。例如1967、1968年的xt4值取-2, 1966、1969-1971、1974-1977 年的xt4值取-1）。由图4.22知中国自生产自动铅笔起，自动铅笔产量与铅笔销量存在线性关系。由 图4.23知全国人口与铅笔销量存在线性关系。说明人口越多，对铅笔的需求就越大。 由图4.24知居民年均消费水平与铅笔销量存在近似对数的关系。散点图说明居民年均 消费水平越高，则铅笔销量就越大。但这种增加随着居民消费水平的增加变得越来越 缓慢。图4.25显示政策变量与铅笔销量也呈线性关系。铅笔销售量时间序列(1961-1985)

20、(文件名nonli6)基于上述分析建立的模型形式是匕=Po + Pl 七 1 + 民七 2 + 氏 Ln (xt 3) + P4 x, 4 + ut40)yt与xt 3呈非线性关系。估计结果如下。= -907.94 - 2.95 x + 0.31 x + 170.19 Ln x + 45.51 x (4.41)ytt 1t 2t 3t 4(-6.4)(-3.7)(4.8)(4.4)(12.6)R2 = 0.9885, DW = 2.09, F= 429, s.e. = 10.34上式说明，在上述期间自动铅笔年产量每增加1百万支，平均使铅笔的年销售量减少 2950万支。全国人口数每增加1百万人，

21、平均使铅笔的年销售量增加310万支。对数 的居民年均消费水平每增加1个单位，平均使铅笔的年销售量增加17亿支。一般性政 策负面变动使铅笔的年销售量减少4.551亿支。当政策出现大的负面变动时，铅笔的年销量会减少9.102亿支。当匕对所有变量都进行线性回归时(见下式)，显然估计结果不如(4.41)式好。= -254.26 - 3.29 x + 0.42 x + 0.66 x + 40.74 x(4.42)ytt 1t 2t 3t 4(-12.0)(-3.0)(8.6)(3.5)(11.7)R2 = 0.9857, DW = 1.77, F= 346, s.e. = 11.5案例5：厦门市贷款总额

22、与GDP的关系分析(19902003, file:bank08)数据和散点图如下。从散点图看，用多项式方程拟合比较合理。199063,7000057,10000199178,0000072,000001992112.700097,700001993151.8000132.30001994209.6000107.00001995260.8000250.60001996306.8000306.40001997352.3000370.30001998397.3000410.10001999435.3000458.30002000488.3000501.20002001552.0000556.0000

23、2002646.0000640.00002003898.0000760.0000obsLOANGDPLoant=P0 +P1 GDPt+ 笆 GDPt2 + 生专 3 + utOn t = -24.5932 +1.6354 GDPt - 0.0026GDPt 2 + 0.0000027 GDPt 3(-2.0)(11.3)(-6.3)(7.9)R2=0.9986, DW=2.6Dependent Variable: LOAN Method: Least Squares Date: 07/22/04 Time: 22:02 Sample: 1990 2003 Included observati

24、ons: 14VariableCoefficientStd. Errort-StatisticProb.C-24.5932312,53127-1.9625490.0781GDP1.6353720.14441111,324440.0000GDP2-0.0026220.000419-6.2538320.0001GDP叼2.70E-063.42E-077.0990550.0000R-squared0.998649Mean dependent var353.7571Adjusted R-squared0.998243S.D. dependent var238.3038S.E. of regressio

25、n9.908309Akaike info criterion7.675664Sum squared resid997.6631Schwarz criterion7.850252Log likelihood-49.72965F-statistic2463.275Durbin-Watson stat2.505063Prob(F-statistic)0.000000例6钉螺存活率曲线(file:nonli3)(生长曲线模型)在冬季土埋钉螺的研究中，先把一批钉螺埋入土中，以后每隔一个月取出部分钉 螺，检测存活个数，计算存活率。数据见表4.3。散点图见图4.20。V，存活率(%)人十埋月数t 100.0093.0192.3288.0384.7482.0548.4641.0715.085.293.5101.3110.512设定匕的上渐近极限值k =101 (因为已有观测值匕=100,所以令k =101更好些。)，得 估计结果如下：D