04(其他回归模型)多元回归模型及eviews应用基本.pdfVIP

其他回归模型及EViews应用基础 （一）非线性回归、虚拟变量回归、 异方差 1 不满足OLS参数估计条件的情况及解决方法 普通最小二乘法进行参数估计要满足如下假设条件 线性性 零均值 等方差 样本误差之间不相关 （是独立的） 解释变量为非随机变量, 并且解释变量之间线性无 关，当然与误差项无关 误差项服从零均值的正态分布 2 实际建模时可能存在的主要问题 多元线性回归模型中如何处理虚拟变量 模型设定中变量筛选问题 误差项的均值非零 非线性关系 异方差问题 序列相关问题 多重共线性问题 随机解释变量问题 （解释变量为随机变量，且与误 差项相关）后四种为计量经济检验 对于存在的几种问题，后面介绍如何检验，如何处 理 （即选择其他参数估计方法） 3 非线性回归模型与非线性最小二乘估计法 非线性回归模型概念及常用函数形式 概念 回归模型 y f (x , β)  u t t t 若函数形式为非线性的，但不一定归为非线 性回归模型，若函数f对参数的导数不依赖于 参数，则称之为参数线性的，否则称之为非 线性的。 4 一大类非线性函数关系是可化为参数线性模 型的，它们有： 指数函数 对数函数 幂函数 双曲线函数 多项式函数 生长曲线 如 5 龚伯兹曲线 柯布道格拉斯生产函数 上述经济量函数关系均可通过变换转换为参 数线性模型，用OLS进行参数估计 6 另一大类，其函数形式f对参数的导数与参数 有关，不可转换成参数线性模型，此类非线 性回归模型必须用非线性最小二乘法进行参 数估计 一般形式与特点假设 Y f (X , X , , X ; ,  , ,  )   1 2 K 1 2 p 非线性模型参数个数一般大于解释变量个数 即有PK 非线性回归模型假设 模型具有上述非线性函数形式 7 随机误差项应是 独立同方差 误差序列不相关 均值为0的随机变量 也可以要求服从正态分布 非线性最小二乘参数估计法 最小二乘估计就是要选择参数 β的估计值 b 使残差平方和最小 2  min S (b) (y  f (x , b)) (y  f (X, b)) (y  f (X, b)) t t