Eviews应用---第三讲VIP免费

Eviews应用3——非线性回归模型模型•定义：非线性模型指的是关于参数或自变量是非线性函数的模型。•模型估计方法：（1）通过线性化的方式估计非线性回归模型（2）直接估计非线性回归模型第一页，共十九页。第一部分通过线性化的方式估非线性回归模型一、可化为线性的非线性回归模型的变换方法：1.1变量置换方法适用范围：被解释变量关于解释变量的非线性问题举例：倒数模型、多项式模型1.2函数变换方法适用范围：被解释变量关于参数的非线性问题举例：指数函数模型、对数函数模型、双曲线函数模型、幂函数（Cobb-Dauglas生产函数）模型1.3级数展开方法适用范围：复杂函数模型举例：CES生产函数（固定替代弹性生产函数）第二页，共十九页。例1给定某企业在16个月度的某产品产量和单位成本资料（数据见表3.1），研究二者的关系。第一步绘制散点图二、eviews操作步骤第三页，共十九页。第二步建立模型从例1的散点图中可以看出Y和X不宜采用线性模型来描述，此时需考虑选择非线性回归模型描述他们的关系。根据散点图，Y随X的增加而减少，结合经济学中的成本理论的相关知识，可以考虑三个备选模型：•双曲线•对数曲线•幂函数曲线模型这三个模型都属于可线性化的模型。xbayxx1'xbaylnxxln'baxyyyln'xxln'aaln'第四页，共十九页。第三步eviews实现方法一、genr命令：（以例题1中的幂函数曲线模型为例）在"workfile"窗口中点“genr”键，在弹出的"Generateseriesbyequation"对话框的"enterequation"中输入"lx=log(x)"和“ly=log(y)”,点“OK”，即生成新的序列lx和ly，lx和ly是通过分别对原序列x和y取对数变换得到的。返回“workfile”窗口，选中序列lx，按住ctrl键，继续选中序列ly，点鼠标右键“open”点“asgroup”.在弹出的“group”数组窗口中对序列lx和ly进行线性回归分析，点“proc”“makeequation”在弹出的“equationestimation”对话框中输入“lyclx”，选用LS估计方法，点“确定”即得到模型估计结果。第五页，共十九页。得到例1中的幂函数曲线模型为：表3.1DependentVariable:LYMethod:LeastSquaresDate:04/20/12Time:12:01Sample:116Includedobservations:16VariableCoefficientStd.Errort-StatisticProb.C7.4469730.22681232.833300.0000LX-0.1962510.026116-7.5147300.0000R-squared0.801337Meandependentvar5.743001AdjustedR-squared0.787147S.D.dependentvar0.045497S.E.ofregression0.020991Akaikeinfocriterion-4.773024Sumsquaredresid0.006168Schwarzcriterion-4.676450Loglikelihood40.18419Hannan-Quinncriter.-4.768078F-statistic56.47117Durbin-Watsonstat1.156995Prob(F-statistic)0.000003197.045.7xy第六页，共十九页。另一种方法：使用ls命令两种方法的比较：采用ls命令处理，建模后直接用forecast命令对原序列Y进行预测，而采用genr命令处理，只能用forecast命令对ly序列进行预测，如要得到原序列的预测值，则需要计算。所以，在条件许可的情况下建议使用第二种处理方法。在主窗口命令行输入•lsyc@inv(x)•lsyclog(x)•lslog(y)clog(x)•分别得到双曲线、对数曲线、幂函数曲线的估计结果。如表3.2、3.3、3.4说明：第二种方法等同于在"workfile"窗口中点击"quick",选择estimateequation功能，在弹出的对话框的equationspecification选择框中输入"yc@inv(x)"、"yclog(x)"、"log(y)clog(x)".第七页，共十九页。表3.2•DependentVariable:Y•Method:LeastSquares•Date:04/20/12Time:12:24•Sample:116•Includedobservations:16•••VariableCoefficientStd.Errort-StatisticProb.•••C250.81527.39200033.930630.0000•@INV(X)355307.841793.258.5015600.0000•••R-squared0.837731Meandependentvar312.3081•AdjustedR-squared0.826140S.D.dependentvar14.62250•S.E.ofregression6.097066Akaikeinfocriterion6.569961•Sumsquaredresid520.4390Schwarzcriterion6.666535•Loglikelihood-50.55969Hannan-Quinncriter.6.574906•F-statistic72.27653Durbin-Watsonstat1.152527•Prob(F-statistic)0.000001得到双曲线模型...