計量經(jīng)濟學第四章完整課件

第四章非線性回歸模型的形式

一、模型的類型與變換

二、非線性回歸實例在實際經(jīng)濟活動中，經(jīng)濟變量的關系是復雜的，直接表現(xiàn)為線性關系的情況并不多見。

如著名的恩格爾曲線(Englecurves)表現(xiàn)為冪函數(shù)曲線形式、宏觀經(jīng)濟學中的菲利普斯曲線（Pillipscuves）表現(xiàn)為雙曲線形式等。但是，大部分非線性關系又可以通過一些簡單的數(shù)學處理，使之化為數(shù)學上的線性關系，從而可以運用線性回歸的方法進行計量經(jīng)濟學方面的處理。一、模型的類型與變換

1、倒數(shù)模型、多項式模型與變量的直接置換法

例如，描述稅收與稅率關系的拉弗曲線：拋物線s=a+br+cr2c<0s：稅收；r：稅率設X1=r，X2=r2，則原方程變換為s=a+bX1+cX2c<0

3、復雜函數(shù)模型與級數(shù)展開法

方程兩邊取對數(shù)后，得到：

(1+2=1)Q:產(chǎn)出量，K：資本投入，L：勞動投入：替代參數(shù)，1、2：分配參數(shù)例如，常替代彈性CES生產(chǎn)函數(shù)將式中l(wèi)n(1K-+2L-)在=0處展開臺勞級數(shù),取關于的線性項，即得到一個線性近似式。如取0階、1階、2階項，可得

并非所有的函數(shù)形式都可以線性化

無法線性化模型的一般形式為:其中，f(x1,x2,…,Xk)為非線性函數(shù)。如：二、非線性回歸實例

例3.5.1

建立中國城鎮(zhèn)居民食品消費需求函數(shù)模型。根據(jù)需求理論，居民對食品的消費需求函數(shù)大致為

Q:居民對食品的需求量，X：消費者的消費支出總額P1：食品價格指數(shù)，P0：居民消費價格總指數(shù)。

零階齊次性，當所有商品和消費者貨幣支出總額按同一比例變動時，需求量保持不變

(*)(**)為了進行比較，將同時估計（*）式與（**）式。

X：人均消費X1：人均食品消費GP：居民消費價格指數(shù)FP：居民食品消費價格指數(shù)XC：人均消費（90年價）Q：人均食品消費（90年價）P0：居民消費價格縮減指數(shù)（1990=100）P：居民食品消費價格縮減指數(shù)（1990=100中國城鎮(zhèn)居民人均食品消費

特征：消費行為在1981~1995年間表現(xiàn)出較強的一致性1995年之后呈現(xiàn)出另外一種變動特征。

建立1981~1994年中國城鎮(zhèn)居民對食品的消費需求模型:

(9.03)(25.35)(-2.28)(-7.34)按零階齊次性表達式回歸:（75.86）(52.66)(-3.62)為了比較，改寫該式為：

發(fā)現(xiàn)與接近。意味著：所建立的食品需求函數(shù)滿足零階齊次性特征受約束回歸

一、模型參數(shù)的線性約束二、對回歸模型增加或減少解釋變量三、參數(shù)的穩(wěn)定性*四、非線性約束

一、模型參數(shù)的線性約束對模型施加約束得或(*)(**)如果對（**）式回歸得出則由約束條件可得：

然而，對所考查的具體問題能否施加約束？需進一步進行相應的檢驗。常用的檢驗有：

F檢驗、x2檢驗與t檢驗，

主要介紹F檢驗在同一樣本下，記無約束樣本回歸模型為受約束樣本回歸模型為于是

但是，如果約束條件為真，則受約束回歸模型與無約束回歸模型具有相同的解釋能力，RSSR

與RSSU的差異變小?？捎肦SSR

-RSSU的大小來檢驗約束的真實性根據(jù)數(shù)理統(tǒng)計學的知識：于是：

討論：如果約束條件無效，RSSR

與RSSU的差異較大，計算的F值也較大。于是，可用計算的F統(tǒng)計量的值與所給定的顯著性水平下的臨界值作比較，對約束條件的真實性進行檢驗。注意，kU-kR恰為約束條件的個數(shù)。例3.6.1

中國城鎮(zhèn)居民對食品的人均消費需求實例中，對零階齊次性檢驗：取=5%，查得臨界值F0.05(1,10)=4.96

判斷：不能拒絕中國城鎮(zhèn)居民對食品的人均消費需求函數(shù)具有零階齊次特性這一假設。無約束回歸:RSSU=0.00324，kU=3受約束回歸:RSSR=0.00332，KR=2樣本容量n=14，約束條件個數(shù)kU-kR=3-2=1

二、對回歸模型增加或減少解釋變量考慮如下兩個回歸模型(*)(**)(*)式可看成是（**）式的受約束回歸：H0：相應的Ｆ統(tǒng)計量為：如果約束條件為真，即額外的變量Xk+1,…,Xk+q對Ｙ沒有解釋能力，則Ｆ統(tǒng)計量較??；否則，約束條件為假，意味著額外的變量對Ｙ有較強的解釋能力，則Ｆ統(tǒng)計量較大。因此，可通過F的計算值與臨界值的比較，來判斷額外變量是否應包括在模型中。討論：

Ｆ統(tǒng)計量的另一個等價式

三、參數(shù)的穩(wěn)定性

1、鄒氏參數(shù)穩(wěn)定性檢驗建立模型時往往希望模型的參數(shù)是穩(wěn)定的，即所謂的結構不變，這將提高模型的預測與分析功能。如何檢驗？假設需要建立的模型為在兩個連續(xù)的時間序列（1,2,…，n1）與（n1+1,…，n1+n2）中，相應的模型分別為：因此，檢驗的F統(tǒng)計量為：記RSS1與RSS2為在兩時間段上分別回歸后所得的殘差平方和，容易驗證，于是參數(shù)穩(wěn)定性的檢驗步驟：（1）分別以兩連續(xù)時間序列作為兩個樣本進行回歸，得到相應的殘差平方：RSS1與RSS2

（2）將兩序列并為一個大樣本后進行回歸，得到大樣本下的殘差平方和RSSR（3）計算F統(tǒng)計量的值，與臨界值比較：

若F值大于臨界值，則拒絕原假設，認為發(fā)生了結構變化，參數(shù)是非穩(wěn)定的。該檢驗也被稱為鄒氏參數(shù)穩(wěn)定性檢驗（Chowtestforparameterstability）。如果參數(shù)沒有發(fā)生變化，則=0，矩陣式簡化為(***)（***）式與（**）式這里：KU-KR=n2RSSU=RSS1分別可看成受約束與無約束回歸模型，于是有如下F檢驗：

第一步，在兩時間段的合成大樣本下做OLS回歸，得受約束模型的殘差平方和RSSR；

第二步，對前一時間段的n1個子樣做OLS回歸，得殘差平方和RSS1；

第三步，計算檢驗的F統(tǒng)計量，做出判斷：鄒氏預測檢驗步驟：給定顯著性水平，查F分布表，得臨界值F(n2,n1-k-1)如果F>F(n2,n1-k-1)，則拒絕原假設，認為預測期發(fā)生了結構變化。

例3.6.2中國城鎮(zhèn)居民食品人均消費需求的鄒氏檢驗。

1、參數(shù)穩(wěn)定性檢驗1981~1994：RSS1=0.003240

1995~2001：

(9.96)(7.14)(-5.13)(1.81)1981~2001:

(14.83)(27.26)(-3.24)(-11.17)給定=5%，查表得臨界值F0.05(4,13)=3.18判斷：F值>臨界值，拒絕參數(shù)穩(wěn)定的原假設，表明中國城鎮(zhèn)居民食品人均消費需求在1994年前后發(fā)生了顯著變化。

2、鄒氏預測檢驗給定=5%，查表得臨界值F0.05(7,10)=3.18判斷：F值>臨界值，拒絕參數(shù)穩(wěn)定的原假設*四、非線性約束

也可對模型參數(shù)施加非線性約束,如對模型施加非線性約束12=1,得到受約束回歸模型:

該模型必需采用非線性最小二乘法（nonlinearleastsquares）進行估計。

非線性約束檢驗是建立在最大似然原理基礎上的,有最大似然比檢驗、沃爾德檢驗與拉格朗日乘數(shù)檢驗.1、最大似然比檢驗(likelihoodratiotest,LR)

估計:無約束回歸模型與受約束回歸模型，

方法:最大似然法，

檢驗:兩個似然函數(shù)的值的差異是否“足夠”大。

記L(,2)為一似然函數(shù):無約束回歸:Max:受約束回歸:Max:或求極值：

g():以各約束條件為元素的列向量,’：以相應拉格朗日乘數(shù)為元素的行向量

約束：g()=0

受約束的函數(shù)值不會超過無約束的函數(shù)值，但如果約束條件為真，則兩個函數(shù)值就非?！敖咏?。由此，定義似然比（likelihoodratio）:

如果比值很小，說明兩似然函數(shù)值差距較大，則應拒絕約束條件為真的假設；

如果比值接近于１，說明兩似然函數(shù)值很接近，應接受約束條件為真的假設。

具體檢驗時，由于大樣本下：

h是約束條件的個數(shù)。因此：

通過LR統(tǒng)計量的2分布特性來進行判斷。

在中國城鎮(zhèn)居民人均食品消費需求例中，對零階齊次性的檢驗：LR=-2(38.57-38.73)=0.32給出=5%、查得臨界值20.05(1)＝3.84，

判斷：LR<20.05(1),不拒絕原約束的假設，

表明:中國城鎮(zhèn)居民對食品的人均消費需求函數(shù)滿足零階齊次性條件。

２、沃爾德檢驗（Waldtest,W）

沃爾德檢驗中，只須估計無約束模型。如對在所有古典假設都成立的條件下，容易證明

因此，在1+2=1的約束條件下

記

可建立沃爾德統(tǒng)計量:如果有h個約束條件，可得到h個統(tǒng)計量z1,z2,…,zh約束條件為真時，可建立大樣本下的服從自由度為h的漸近2

分布統(tǒng)計量

其中，Z為以zi為元素的列向量，C是Z的方差-協(xié)方差矩陣。因此，W從總體上測量了無約束回歸不滿足約束條件的程度。對非線性約束，沃爾德統(tǒng)計量W的算法描述要復雜得多。

3、拉格朗日乘數(shù)檢驗

拉格朗日乘數(shù)檢驗則只需估計受約束模型.受約束回歸是求最大似然法的極值問題:

’是拉格朗日乘數(shù)行向量，衡量各約束條件對最大似然函數(shù)值的影響程度。

如果某一約束為真，則該約束條件對最大似然函數(shù)值的影響很小，于是，相應的拉格朗日乘數(shù)的值應接近于零。因此，拉格朗日乘數(shù)檢驗就是檢驗某些拉格朗日乘數(shù)的值是否“足夠大”，如