中级计量经济学-第八章-非线性模型和质量属性模型课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《中级计量经济学-第八章-非线性模型和质量属性模型课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中级 计量 经济学 第八 非线性 模型 质量 属性 课件
- 资源描述:
-
1、第八章非线性模型和质量属性模型主要内容n非线性模型估计方法n二元因变量模型Probit模型Logit模型nTobit模型参数非线性n当模型为参数非线性形式时,需要利用非线性估计技术。n非线性模型的一般形式为:Yt=f(Xt,b)+et,t=1,T式中f(.)为一个可微分的非线性函数,b为K1未知参数向量,X为KT解释变量矩阵,e为服从正态分布的误差项。n此时我们无法将待估计参数表示为由已知的X和Y表示的线性函数,这种情况被称作参数非线性。非线性回归方程案例n例1:不变替代弹性生产函数(CES)假定模型有两个解释变量,其一般形式可以表示为 式中:n0为技术效率系数n1为分配系数(01时,边际消费
2、倾向递增,反之递减。ttteDYCONS210bbb1212bbbDYdDYdCONSMPC非线性最小二乘法n非线性最小二乘法的原理与线性最小二乘法相同,即求解使残差平方和最小的参数:n在满足要求的条件下,模型参数可以由求解一阶条件构成的方程组得出,即:n对于非线性方程,通常我们无法确保得到估计参数的解析解,但是能够利用数值逼近方法得到上述问题的解。TtttXfYMinSSEMin12,bTttttXfXfYSSE10,2bbbb非线性最小二乘法n求解非线性方程组的常用方法有:直接寻找法(Direct search),即依据某种指标(如误差平方和),选择最优的结果;直接优化法(Direct o
3、ptimization),即利用前述求偏导数的方法,直接通过求解方程组来得到参数估计,在应用工作中很少使用此方法;线性化迭代求解法线性化迭代求解法(Iterative liberalization method),即从初始值开始将非线性函数线性化,然后求解线性议程,得到新的估计值,重复上述步骤,直到结果出现收敛时或达到最大迭代次数时为止。非线性最小二乘法n估计非线性最小二乘法包括以下步骤:在未给定初始值的情况下,利用OLS方法估计系数作为初始值,反之利用给定的初始值,在该组值求导以确定每个参数的变化方向及步长,或采用泰勒级数展开转化为线性方程求解得到新的参数估计值。重复上述过程,直到参数达到给
4、定的收敛标准时为止,或达到最大迭代次数时为止。此时得到的结果包括最后一次计算得到的参数估计值,对应的渐近t统计值,R2值等。非线性最小二乘法n需要注意的是,非线性最小二乘法并不能够保证收敛到最优解。收敛速度缓慢收敛到局部最优解估计系数出现发散情况n在应用工作中,当遇到上述情况时,一种做法是改变初始值,然后重新开始迭代过程。n利用现有的计算机能力和软件,对模型重复做估计不会发生过高的费用,或要求过长的时间投入。局部收敛与全局收敛-SSEbACD局部最优点全局最优点Bb*b非线性最小二乘法估计量的性质n用于对线性回归模型做统计检验的方法无法直接应用于非线性回归模型,原因是我们无法由回归残差得到模型
5、误差项方差的无偏估计,即使回归残差服从正态分布。n在采用迭代法时,我们是对最后一次线性化后的估计结果应用标准线性模型的统计检验。n这一方法依赖于最小二乘法在大样本时具有的一致性。n对于一般形式的非线性模型,其估计参数b*的小样本特性仍不够清楚,但对于大样本特性则有较好的了解。n假定解释变量X是非随机的,可以做出以下结论:b*是真实参数b的一致估计量 b*服从渐近正态分布(根据中心极限定理)这两个结论与模型误差项et假定的分布无关 模型估计参数b的性质n假定对于任何观察值,其误差项et都服从标准正态分布,不同观察值之间误差项的协方差等于0,即:n可以注意到,这些假定与古典线性模型相同。n在此条件
6、下有:当T趋于无穷大时,估计参数b*趋近于以真实参数b为均值的正态分布;因而b*是b的一个一致性估计量。TttteeCovtteVareeEttttt,1,0,*288如果如果样本的似然函数n样本的似然函数为:n相应的对数似然函数为:nb和2的最大似然估计量是使似然函数实现最大值时对应的参数。TtTtXfYttttTtteXfYeefeeL1122,212,22bb 222222222,222bbSSELnTLnTXfYXfYLnTLnTLLntttt样本的似然函数n前述的对数似然函数可以改写为:nLn(L)=与b无关的部分SSE/(22)n由于20,求解Ln(L)对应于b的最大值等同于求解S
7、SE对应于b的最小值。这意味着,在正态分布假定下,最大似然估计量与最小二乘法估计量是相同的。n在模型为线性函数的情况下,s2的最大似然估计量为SSE/T,不同于OLS方法得到的SSE/(T-1)。n由于最大似然估计量bl和l2均为真实参数(b,2)的一致性估计量并且服从渐近正态分布,因而可以对非线性模型的估计参数做各种统计检验。对非线性函数的统计检验n当需要检验非线性函数的某些系数是否满足某个约束条件时,我们可以利用似然值比值检验方法。n估计有系数约束和没有系数约束的模型,得到对应的似然值,分别用L(br)和L(bur)表示。n似然值比值 L(br)L(bur),该值在0和1之间。n当足够小时
8、,我们拒绝与系数约束相对应的虚假设。n利用得到的似然值计算得出以下统计量:n该统计量服从自由度为m的2分布,m为约束条件个数。22mURRLLbb利用EVIEWS估计参数非线性方程nEVIEWS软件包括了非线性最小二乘法估计方法。n非线性最小二乘法估计指令与线性最小二乘法估计指令相同,但需要给出方程的数学表达式,其中用向量C(i)代表第i个参数。n在多数情况下,可以让EVIEWS利用线性最小二乘法自行估计初始值,并得到最终结果。n如果使用上述方法出现在给定迭代次数下不收敛或收敛到异常的参数(可以通过检验R2、对数似然值和变量系数等方式做出判断),那么需要人工给出初始值。n为了确定结果的可靠性,
9、可以试不同的初始值,看是否都能够收敛到相近的结果(局部最优和全局最优)。n在方程组模型中也可以包括非线性方程。案例:不变边际消费倾向宏观消费函数Dependent Variable:RCONSMethod:Least SquaresSample:1978 2002Included observations:25Variable CoefficientStd.Errort-StatisticProb.C 394.8546121.09233.2607740.0034RDY 0.5199160.00884058.813920.0000R-squared0.993395 Mean dependent
10、var6385.284Adjusted R-squared0.993108 S.D.dependent var3944.278S.E.of regression327.4567 Akaike info criterion14.49721Sum squared resid2466242.Schwarz criterion14.59472Log likelihood-179.2151 F-statistic3459.078Durbin-Watson stat0.378861 Prob(F-statistic)0.000000案例:可变边际消费倾向宏观消费函数Dependent Variable:R
11、CONSMethod:Least SquaresSample:1978 2002Included observations:25Convergence achieved after 1 iterationsRCONS=C(1)+C(2)*RDYC(3)CoefficientStd.Errort-StatisticProb.C(1)493.4338392.55351.2569850.2219C(2)0.4028150.3095741.3011930.2067C(3)1.0248060.07330713.979730.0000R-squared0.993554 Mean dependent var
展开阅读全文