关于非线性计量经济模型的参数估计_李焯章

非线性模型参数估计的遗传算法

滨江学院毕业论文（设计）题目非线性模型参数估计的遗传算法院系大气与遥感系专业测绘工程学生姓名李兴宇学号200923500** 指导教师王永弟职称讲师二Ｏ一三年五月二十日

- 目录- 摘要 (3) 关键词 (3) 1.引言 (3) 1.1 课题背景 (3) 1.2 国内外研究现状 (4) 1.3 研究的目的和意义 (4) 1.4 论文结构 (5) 2.遗传算法简介 (5) 2.1 遗传算法的起源 (5) 2.2 遗传算法的基本思想 (6) 2.2.1 遗传算法求最优解的一般步骤 (7) 2.2.2 用技术路线流程图形式表示遗传算法流程 (7) 2.3 遗传算法的基本原理及设计 (8) 2.3.1 适应度设计 (8) 2.3.2 遗传算子操作 (9) 3.遗传算法的应用实例 (9) 3.1 非线性模型参数估计 (10) 3.2 实例分析 (10) 4.结语 (12) 参考文献 (12) 英文题目 (14) - 1 -

- 2 - 致谢 (15)

非线性模型参数估计的遗传算法李兴宇南京信息工程大学滨江学院测绘工程专业，南京 210044 摘要：关于非线性模型计算中的参数估计是十分棘手的问题，为此常常将这样的问题转化成非线性优化问题解决，遗传算法作为一种具有强适应性的全局搜索方法而被频繁的应用于非线性系统参数估计的计算当中，本文介绍了遗传算法及其理论基础,阐述了遗传算法在非线性模型参数估计中的应用的起源和发展,引入实例说明了遗传算法在非线性模型参数估计的实际运用中的实现，并概述了基于遗传算法的非线性参数模型估计具体解算过程，将使用遗传算法得到的结果与其他算法的解算结果进行比较，结果表明：遗传算法是一种行之有效的搜索算法，能有效得到全局最优解，在今后的研究中值得推广。关键词：遗传算法非线性模型参数估计应用 1.引言 1.1课题背景当前科学技术的发展和研究已经进入了进入各个领域、多个学科互相交叉、互相渗透和互相影响的时代，生命科学的研究与工程科学的交叉、渗透和相互补充提高便是其中一个非常典型的例子，同时也表现出了近代科学技术发展的一个新的显著特点。遗传算法研究工作的蓬勃发展以及在各个领域的广泛应用正是体现了科学发展过程的的这一明显的特点和良好的趋势。非线性科学是一门研究复杂现象的科学，涉及到社会科学、自然科学和工程技术等诸多领域，在测绘学的研究中，尤其是在测量平差模型的研究和计算过程中，大量引入的都是非线性函数方程模型，而对于非线性模型的解算，往往过程复杂。遗传算法的出现为研究工作提供了一种求解多模型、多目标、非线性等复杂系统的优化问题的通用方法和框架。对于非线性系统的解算，传统上常用的方法是利用其中参数的近似值将非线性系统线性化，也就是线性近似，测绘学中通常称之为线性化，经过线性化之后，将其视为线性模型并利用线性模型的解算方法得到结果，这就很大程度的简化了解算步骤，减少了工作量，但同时会带来新的问题，运用这种传统方法得到的数据结果存在的误差较大、精度不足等问题。利用线性近似方法对非线性模型进行参数估计，精度往往取决于模型的非线性强度。 - 3 -

非线性回归分析

SPSS—非线性回归(模型表达式)案例解析 2011-11-16 10:56 由简单到复杂，人生有下坡就必有上坡，有低潮就必有高潮的迭起，随着SPSS 的深入学习，已经逐渐开始走向复杂，今天跟大家交流一下，SPSS非线性回归，希望大家能够指点一二！非线性回归过程是用来建立因变量与一组自变量之间的非线性关系，它不像线性模型那样有众多的假设条件，可以在自变量和因变量之间建立任何形式的模型非线性，能够通过变量转换成为线性模型——称之为本质线性模型，转换后的模型，用线性回归的方式处理转换后的模型，有的非线性模型并不能够通过变量转换为线性模型，我们称之为：本质非线性模型还是以“销售量”和“广告费用”这个样本为例，进行研究，前面已经研究得出：“二次曲线模型”比“线性模型”能够更好的拟合“销售量随着广告费用的增加而呈现的趋势变化”，那么“二次曲线”会不会是最佳模型呢？答案是否定的，因为“非线性模型”能够更好的拟合“销售量随着广告费用的增加而呈现的变化趋势” 下面我们开始研究：第一步：非线性模型那么多，我们应该选择“哪一个模型呢？” 1：绘制图形，根据图形的变化趋势结合自己的经验判断，选择合适的模型点击“图形”—图表构建程序—进入如下所示界面：

点击确定按钮，得到如下结果：

放眼望去, 图形的变化趋势，其实是一条曲线，这条曲线更倾向于"S" 型曲线，我们来验证一下，看“二次曲线”和“S曲线”相比，两者哪一个的拟合度更高！点击“分析—回归—曲线估计——进入如下界面

在“模型”选项中，勾选”二次项“和”S" 两个模型，点击确定，得到如下结果：通过“二次”和“S “ 两个模型的对比，可以看出S 模型的拟合度明显高于

经典单方程计量经济学模型多元线性回归模型

第三章、经典单方程计量经济学模型：多元线性回归模型一、内容提要本章将一元回归模型拓展到了多元回归模型，其基本的建模思想与建模方法与一元的情形相同。主要内容仍然包括模型的基本假定、模型的估计、模型的检验以及模型在预测方面的应用等方面。只不过为了多元建模的需要，在基本假设方面以及检验方面有所扩充。本章仍重点介绍了多元线性回归模型的基本假设、估计方法以及检验程序。与一元回归分析相比，多元回归分析的基本假设中引入了多个解释变量间不存在（完全）多重共线性这一假设；在检验部分，一方面引入了修正的可决系数，另一方面引入了对多个解释变量是否对被解释变量有显著线性影响关系的联合性F检验，并讨论了F检验与拟合优度检验的内在联系。本章的另一个重点是将线性回归模型拓展到非线性回归模型，主要学习非线性模型如何转化为线性回归模型的常见类型与方法。这里需要注意各回归参数的具体经济含义。本章第三个学习重点是关于模型的约束性检验问题，包括参数的线性约束与非线性约束检验。参数的线性约束检验包括对参数线性约束的检验、对模型增加或减少解释变量的检验以及参数的稳定性检验三方面的内容，其中参数稳定性检验又包括邹氏参数稳定性检验与邹氏预测检验两种类型的检验。检验都是以F检验为主要检验工具，以受约束模型与无约束模型是否有显著差异为检验基点。参数的非线性约束检验主要包括最大似然比检验、沃尔德检验与拉格朗日乘数检验。它们仍以估计无约束模型与受约束模型为基础，但以最大似然 χ分布为检验统计原理进行估计，且都适用于大样本情形，都以约束条件个数为自由度的2 量的分布特征。非线性约束检验中的拉格朗日乘数检验在后面的章节中多次使用。二、典型例题分析例1．某地区通过一个样本容量为722的调查数据得到劳动力受教育的一个回归方程为36 .0 . + = - 10+ 094 medu fedu .0 sibs edu210 131 .0 R2=0.214 式中，edu为劳动力受教育年数，sibs为该劳动力家庭中兄弟姐妹的个数，medu与fedu分别为母亲与父亲受到教育的年数。问

常见非线性回归模型

常见非线性回归模型 1.简非线性模型简介非线性回归模型在经济学研究中有着广泛的应用。有一些非线性回归模型可以通过直接代换或间接代换转化为线性回归模型,但也有一些非线性回归模型却无法通过代换转化为线性回归模型。柯布—道格拉斯生产函数模型 y AKL 其中L和K分别是劳力投入和资金投入, y是产出。由于误差项是可加的, 从而也不能通过代换转化为线性回归模型。对于联立方程模型,只要其中有一个方程是不能通过代换转化为线性,那么这个联立方程模型就是非线性的。单方程非线性回归模型的一般形式为 y f(x1,x2, ,xk; 1, 2, , p) 2.可化为线性回归的曲线回归在实际问题当中，有许多回归模型的被解释变量y与解释变量x之间的关系都不是线性的，其中一些回归模型通过对自变量或因变量的函数变换可以转化为

线性关系，利用线性回归求解未知参数，并作回归诊断。如下列模型。（1）y 0 1e x （2）y 0 1x2x2p x p （3）y ae bx (4)y=alnx+b 对于（1）式，只需令x e x即可化为y对x是线性的形式y01x，需要指出的是，新引进的自变量只能依赖于原始变量，而不能与未知参数有关。对于（2）式，可以令x1=x,x2=x2,?,x p=x p,于是得到y关于x1,x2,?, x p 的线性表达式y 0 1x12x2 pxp 对与（3）式，对等式两边同时去自然数对数，得lnylnabx ,令 y lny, 0 lna, 1 b，于是得到y关于x的一元线性回归模型： y 0 1x。乘性误差项模型和加性误差项模型所得的结果有一定差异，其中乘性误差项模型认为yt本身是异方差的，而lnyt是等方差的。加性误差项模型认为yt是等方差的。从统计性质看两者的差异，前者淡化了y t值大的项（近期数据）的作用，强化了y t值小的项（早期数据）的作用，对早起数据拟合得效果较好，而后者则对近期数据拟合得效果较好。影响模型拟合效果的统计性质主要是异方差、自相关和共线性这三个方面。异方差可以同构选择乘性误差项模型和加性误差项模型解决，必要时还可以使用加权最小二乘。

非线性模型参数估计的EViews操作

非线性模型参数估计的EViews 操作例3.5.2 建立中国城镇居民食品消费需求函数模型。根据需求理论，居民对食品的消费需求函数大致为: ()01,,f P P X Q =。其中，Q 为居民对食品的需求量，X 为消费者的消费支出总额，P1为食品价格指数，P0为居民消费价格总指数。表3.5.1 中国城镇居民消费支出及价格指数单位：元资料来源：《中国统计年鉴》（1990~2007）估计双对数线性回归模型μββββ++++=031210n n n P L LnP X L Q L 对应的非线性模型： 3 21 1ββ βP P AX Q = 这里需要将等式右边的A 改写为0 e β。取0β，1β，2β，3β的初值均为1。

Eviews操作： 1、打开EViews，建立新的工作文档：File-New-Workfile，在Frequency选择Annual，在Start date输入“1985”，End date输入“2006”，确认OK。 2、输入样本数据：Object-New Object-Group，确认OK，输入样本数据。图1 3、设置参数初始值：在命令窗口输入“param c(1) 1 c(2) 1 c(3) 1 c(4) 1”，回车确认。 4、非线性最小二乘法估计（NLS）：Proc-Make Equation，在NLS估计的方程中写入Q=EXP(C(1))*X^C(2)*P1^C(3)*P0^C(4)，方程必须写完整，不能写成Q C(1) X P1 P0。确定输出估计结果：

图2 NLS注意事项： 1).参数初始值: 如果参数估计值出现分母为0等情况将导致错误，解决办法是：手工设定参数的初始值及范围，比如生产函数中的c(2)肯定是介于0-1之间的数字。 eviews6.0中并没有start 的选项，只有iteration的次数和累进值得选择。只能通过param c(1) 0.5 c(2) 0.5来设置。 2).迭代及收敛 eviews用Gauss Seidel迭代法求参数的估计值。迭代停止的法则：基于回归函数或参数在每次迭代后的变化率，当待估参数的变化百分比的最大值小于事先给定的水平时，就会停止迭代。当迭代次数到了迭代的最大次数时也会停止，或者迭代过程中发生错误也会停止。

计量经济学习题与解答

第五章经典单方程计量经济学模型：专门问题一、内容提要本章主要讨论了经典单方程回归模型的几个专门题。第一个专题是虚拟解释变量问题。虚拟变量将经济现象中的一些定性因素引入到可以进行定量分析的回归模型，拓展了回归模型的功能。本专题的重点是如何引入不同类型的虚拟变量来解决相关的定性因素影响的分析问题，主要介绍了引入虚拟变量的加法方式、乘法方式以及二者的组合方式。在引入虚拟变量时有两点需要注意，一是明确虚拟变量的对比基准，二是避免出现“虚拟变量陷阱”。第二个专题是滞后变量问题。滞后变量包括滞后解释变量与滞后被解释变量，根据模型中所包含滞后变量的类别又可将模型划分为自回归分布滞后模型与分布滞后模型、自回归模型等三类。本专题重点阐述了产生滞后效应的原因、分布滞后模型估计时遇到的主要困难、分布滞后模型的修正估计方法以及自回归模型的估计方法。如对分布滞后模型可采用经验加权法、Ａlmon多项式法、Koyck方法来减少滞项的数目以使估计变得更为可行。而对自回归模型，则根据作为解释变量的滞后被解释变量与模型随机扰动项的相关性的不同，采用工具变量法或OLS法进行估计。由于滞后变量的引入，回归模型可将静态分析动态化，因此，可通过模型参数来分析解释变量对被解释变量影响的短期乘数和长期乘数。第三个专题是模型设定偏误问题。主要讨论当放宽“模型的设定是正确的”这一基本假定后所产生的问题及如何解决这些问题。模型设定偏误的类型包括解释变量选取偏误与模型函数形式选取取偏误两种类型，前者又可分为漏选相关变量与多选无关变量两种情况。在漏选相关变量的情况下，OLS估计量在小样本下有偏，在大样本下非一致；当多选了无关变量时，OLS估计量是无偏且一致的，但却是无效的；而当函数形式选取有问题时，OLS估计量的偏误是全方位的，不仅有偏、非一致、无效率，而且参数的经济含义也发生了改变。在模型设定的检验方面，检验是否含有无关变量，可用传统的t检验与F检验进行；检验是否遗漏了相关变量或函数模型选取有错误，则通常用一般性设定偏误检验（RESET检验）进行。本专题最后介绍了一个关于选取线性模型还是双对数线性模型的一个实用方法。第四个专题是关于建模一般方法论的问题。重点讨论了传统建模理论的缺陷以及为避免这种缺陷而由Hendry提出的“从一般到简单”的建模理论。传统建模方法对变量选取的

非参数计量经济学

【内容提要】内容简介本书分为四部分．第一部分为密度函数和条件密度函数，包括密度函数的非参数估计、一元条件密度函数的非参数估计和多元条件密度函数的投影追踪估计；第二部分为非参数计量经济模型，包括非参数计量经济模型的核估计和变窗宽核估计、局部线性估计和变窗宽局部线性估计、非参数计量经济模型的异方差问题和多重共线性问题；第三部分为非参数计量经济联立方程模型，包括非参数计量经济联立模型的局部线性工具变量估计和变窗宽局部线性工具变量估计、局部线性两阶段最小二乘估计和变窗宽局部线性两阶段最小二乘估计、局部线性广义矩估计和变窗宽局部线性广义矩估计；第四部分为半参数计量经济模型和联立方程模型，包括半参数计量经济模型的最小二乘估计、半参数计量经济联立模型的工具变量估计和其他工具变量估计．本书的附录包括准备知识和R软件介绍．本书适合高等院校经济、管理学科的研究生和研究人员使用．【节选】序言非参数计量经济学作为现代计量经济学的一个分支，近20年来得到了迅速的发展．从国际权威的计量经济学学术刊物的论文中，我们不难发现，关于非参数计量经济学理论方法的研究，一直是理论计量一个重要的和前沿的研究领域．在应用研究方面，将非参数、半参数模型方法与微观计量、宏观计量以及金融计量结合，也成为这些计量经济学分支领域的研究热点．在国外著名大学的经济学研究生课程表中，非参数计量经济学已经成为计量经济学高级课程重要的一部分．在国内，近年来，一批年青学者将该领域作为主要研究方向，在跟踪研究的同时，取得了一些创新成果；不少大学已经将非参数计量经济学纳入研究生高级计量经济学的教学内容，甚至为博士研究生开设了专门的课程．但是，国内目前关于非参数计量经济学的出版物相当少．2003年7月，南开大学出版社出版了叶阿忠教授的《非参数计量经济学二》一书，在它的序言中，我

现代计量经济学模型体系解析

#学术探讨# 现代计量经济学模型体系解析* 李子奈刘亚清内容提要:本文对现代计量经济学模型体系进行了系统的解析,指出了现代计量经济学的各个分支是以问题为导向,在经典计量经济学模型理论的基础上,发展成为相对独立的模型理论体系,包括基于研究对象和数据特征而发展的微观计量经济学、基于充分利用数据信息而发展的面板数据计量经济学、基于计量经济学模型的数学基础而发展的现代时间序列计量经济学、基于非设定的模型结构而发展的非参数计量经济学,并对每个分支进行了扼要的描述。最后在/交叉与综合0的方向上提出了现代计量经济学模型理论的研究前沿领域。关键词:经典计量经济学时间序列计量经济学微观计量经济学一、引言计量经济学自20世纪20年代末30年代初诞生以来,已经形成了十分丰富的内容体系。一般认为,可以以20世纪70年代为界将计量经济学分为经典计量经济学(Classical Econometrics)和现代计量经济学(Mo dern Eco no metr ics),而现代计量经济学又可以分为四个分支:时间序列计量经济学(Tim e Ser ies Econo metrics)、微观计量经济学(M-i cro-econometrics)、非参数计量经济学(Nonpara-m etric Econometrics)以及面板数据计量经济学(Panel Data Eco nom etrics)。这些分支作为独立的课程已经被列入经济学研究生的课程表,独立的教科书也已陆续出版,应用研究已十分广泛,标志着它们作为计量经济学的分支学科已经成熟。据此提出三个问题:一是经典计量经济学的地位问题。既然现代计量经济学模型体系已经成熟,而且它们都是在经典模型理论的基础上发展的,那么经典模型还有应用价值吗?是不是凡是采用经典模型的研究都是低水平和落后的?二是现代计量经济学的各个分支的发展导向问题。即它们是如何发展起来的?三是现代计量经济学进一步创新和发展的基点在哪里?回答这些问题,对于正确理解计量经济学的学科体系,对于计量经济学的课程设计和教学内容安排,对于正确评价计量经济学理论和应用研究的水平,对于进一步推动中国的计量经济学理论研究,都是十分有益的。现代计量经济学的各个分支是以问题为导向,以经典计量经济学模型理论为基础而发展起来的。所谓/问题0,包括研究对象和表征研究对象状态和变化的数据。研究对象不同,表征研究对象状态和变化的数据具有不同的特征,用以进行经验实证研究的计量经济学模型既然不同,已有的模型理论方法不适用了,就需要发展新的模型理论方法。按照这个思路,就可以用图1简单地描述经典计量经济学模型与现代计量经济学模型各个分支之间的关系。本文试图从方法论的角度对现代计量经济学模型的发展,特别是现代计量经济学模型与经典计量经济学模型之间的关系进行较为系统的讨论,以期对未来我国计量经济学的发展研究提供借鉴和启示。本文的内容安排如下:首先分析经典计量经济学模型的基础地位,明确它在现代的应用价值,同时对发生于20世纪70年代的/卢卡斯批判0的实质进行讨论;然后依次讨论时间序列计量经济学、微观计量经济学、非参数计量经济学以及面板数据计量经济学的发展,回答它们是以什么问题为导向,以什么为目的而发展的;最后以/现代计量经济学模型体系的分解与综合0为题,讨论现代计量经济学的前沿研究领域以及从对我国计量经济学理论的创新和发展 ) 22 ) *本文受国家社会科学基金重点项目(08AJY001,计量经济学模型方法论基础研究)的资助。

第7章非线性模型参数估值

第7章非线性模型参数估值 7.1 引言数学模型是观测对象各影响因素相互关系的定量描述。在获得实验数据并做了整理之后，就要建立数学模型。这一工作在科学研究中有着十分重要的意义。人们选用的模型函数可以是经验的，可以是半经验的，也可以是理论的。模型函数选定之后，需要对其中的参数进行估值并确定该估值的可靠程度。对于线性模型，待求参数可用线性最小二乘法求得，即用前一章中介绍的确定线性回归方程的方法。对于非线性模型，通常是通过线性化处理而化为线性模型，用线性最小二乘法求出新的参数，从而再还原为原参数。这种方法在处理经验模型时，简便易行，具有一定的实用价值。但要注意到，这样做是使变换后的新变量y '的残差平方和(即剩余平方和)最小，这并不能保证做到使原变量y 的残差平方和也达最小值。因此，得到的参数估计值就不一定是最佳的估计值。可见在求理论模型的参数时，这种线性化的方法尚有其不足之处。此外，还有些数学模型无法线性化，所以用线性化的方法是行不通的。为此，需要一种对非线性模型通用的(不管是经验模型还是理论模型，不管这个模型能否线性化)，能够得到参数最佳估计值的参数估计方法。在工程中，特别是在化学工程中的数学模型大多是非线性、多变量的。设y ?为变量x 1，x 2，…，x p ，的函数，含有m 个参数b 1，b 2，…，b m ，则非线性模型的一般形式可表示为: =y ?f （x 1，x 2，…，x p ；b 1，b 2，…，b m ） (7.1) 或写为 ),(?b x f y = (7.2) 式中x 为p 维自变量向量，b 为m 维参数向量。设给出n 组观测数据 x 1 ，x 2 ，… ，x n y 1 ，y 2 ，… ，y n 我们的目的是由此给出模型式(7.2)中的参数b 的最佳估计值。可以证明，这个最佳估计值就是最小二乘估计值。按最小二乘法原理，b 应使Q 值为最小，即 ∑==-=n i i i y y Q 12min )?( 或写成 ∑==-=n i i i f y Q 1 2min )],([b x (7.3) 现在的问题是根据已知的数学模型和实验数据,求出使残差平方和最小,即目标函数式(7.3)取极小值时的模型参数向量b 。这显然是一个最优化的数学问题,可以采用逐次逼近法求解。这种处理方法实质上是逐次线性化法或某种模式的搜索法。在下面各节中将介绍几个适用方法。

高级计量经济学之第5章分布滞后与动态模型

第5章分布滞后与动态模型 §5.1 分布滞后模型很多经济模型在回归方程中有滞后项，例如，因为修建桥和高速公路需要很多时间，所以公共投资对GDP 的影响有一个滞后期，而且这个影响可能会持续数年；研发新产品需要时间，而后把这个新产品投入生产也需要时间；在研究消费行为时，一个工资的变化可能影响好几期的消费。在消费的恒久收入理论中，消费者会用若干期去决定真实可支配收入的变化是暂时的还是永久的。例如，今年额外的咨询费收入明年是否还会继续？同样，真实可支配收入的滞后值会在回归方程中出现，是因为消费者在平滑其消费行为时十分重视他自身的终身收入。一个人的终身收入可以用他过去和现在的收入来推测。换句话说，回归关系可以写为： T t X X X Y t s t s t t t ,,2,1110 =+++++=--εβββα （5.1）其中，t Y 代表被解释变量Y 在第t 期的观测值，t s X -代表解释变量X 第t s -期的观测值，α为截距项，0β，1β，…，s β是t X 当期和滞后期的系数。方程（5.1）式就是分布滞后模型因为它把收入增长对消费的影响分为s 期。X 的一个单位变化对Y 的短期影响由0β来表示，而X 的一个单位变化对Y 的长期影响由 (s βββ+++ 10)来表示。假设我们观察从1955年到1995年的t X ，1t X -为相同的变量，但是提前一期的，也就是1954-1994。因为1954年的数据观察不到，我们就从1955年开始观察 1t X -，到1994年结束。这意味着当我们滞后一期时，t X 序列将从1956年开始到 1995年结束。对于实际的应用来说，也就是当我们滞后一期时，我们将从样本中

非线性模型参数估计方法步骤

EViews非线性模型参数估计方法步骤 1.新建EViews工作区，并将时间序列X、P1和P0导入到工作区； 2.设定参数的初始值全部为1，其方法是在工作区中其输入下列命令并按回车键 param c(1) 1 c(2) 1 c(3) 1 c(4) 1 3.估计非线性模型参数，其方法是在工作区中其输入下列命令并按回车键 nls q=exp(c(1))*x^c(2)*p1^c(3)*p0^c(4) 4.得到结果见table01（91页表3. 5.4结果）（案例一结束） Dependent Variable: Q Method: Least Squares Date: 03/29/15 Time: 21:44 Sample: 1985 2006 Included observations: 22 Convergence achieved after 9 iterations Q=EXP(C(1))*X^C(2)*P1^C(3)*P0^C(4) Coefficient Std. Error t-Statistic Prob. C(1) 5.567708 0.083537 66.64931 0.0000 C(2) 0.555715 0.029067 19.11874 0.0000 C(3) -0.190154 0.143823 -1.322146 0.2027 C(4) -0.394861 0.159291 -2.478866 0.0233 R-squared 0.983631 Mean dependent var 1830.000 Adjusted R-squared 0.980903 S.D. dependent var 365.1392 S.E. of regression 50.45954 Akaike info criterion 10.84319 Sum squared resid 45830.98 Schwarz criterion 11.04156 Log likelihood -115.2751 Hannan-Quinn criter. 10.88992 Durbin-Watson stat 0.672163 （92页表3.5.5结果）（案例二过程） 5.新建EViews工作区，并将时间序列X、P1和P0导入到工作区；

计量经济学分析模型

摘要改革开放以来，我国经济呈迅速而稳定的增长趋势，由于分配机制和收入水平的变化，城镇居民生活水平在达到稳定小康之后，消费结构和消费水平都出现了一些新的特点。本文旨在对近几年，我国城镇年人均收入变动对年人均各种消费变动的影响进行实证分析。首先，我们综合了几种关于收入和消费的主要理论观点；本文根据相关的数据统计数据，运用一定的计量经济学的研究方法，进而我们建立了理论模型。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果和影响消费的一些因素作了经济意义的分析，并相应提出一些政策建议。并找到影响居民消费的主要因素。关键词：居民消费；城镇居民；回归；Eviews

目录摘要.................................................................. II 前言. (1) 1 问题的提出 (2) 2 经济理论陈述 (3) 2.1西方经济学中有关理论假说 (3) 2.2有关消费结构对居民消费影响的理论 (4) 3 相关数据收集 (6) 4 计量经济模型的建立 (9) 5 模型的求解和检验 (10) 5.1计量经济的检验 (10) 5.1.1模型的回归分析 (10) 5.1.2拟合优度检验： (11) 5.1.3 F检验 (11) 5.1.4 T检验 (12) 5.2 计量修正模型检验： (12) 5.2.1 Y与的一元回归 (13) 5.2.2拟合优度的检验 (13) 5.2.3 F检验 (14) 5.2.4 T检验： (15) 5.3经济意义的分析: (15) 6 政策建议 (16) 结论 (17) 参考文献 (19)

非线性系统模型参数估计的算法模型

非线性系统模型参数估计的算法模型摘要：针对非线性系统模型的多样性，提出了适用于多种非线性模型的基于粒子群优化算法的参数估计方法。计算结果表明，粒子群优化算法是非线性系统模型参数估计的有效工具。关键词：粒子群优化算法；非线性系统；参数估计；优化abstract： aiming at the diversity of nonlinear system model, it is proposed in this article a parameter estimation method based on particle group optimization algorithm that is applicable to a variety of nonlinear models. the result shows that the particle group optimization algorithm for parameter estimation of nonlinear system model is an effective tool. key words： particle group optimization algorithm；nonlinear system； parameter estimation； optimization 0 引言非线性系统广泛地存在于人们的生产生活中，但是，目前我们对非线性系统的认识还不够深入，不能像线性系统那样，把所涉及的模型全部规范化，从而使辩识方法也规范化。非线性模型的表达方式相对比较复杂，目前还很少有人研究各种表达方式是否存在等效关系，因此，暂时还没有找到对所有非线性模型都适用的参数模型估计方法[1]。如果能找到一种不依赖于非线性模型的表达方式的参数估计方法，那么，也就找到了对一般非线性模型系统进行参数

一般非线性预测模型参数优化的数值方法

《预测》1997年第1期　?理论与方法研究? 一般非线性预测模型参数优化的数值方法Ξ 金菊良　杨晓华储开凤　郦建强 (河海大学　210098)　(南京水文水资源所　210024) 摘　要　本文提出了处理一般非线性预测模型参数优化问题的一种通用数值方法——加速基因算法。该法与其他常用方法的计算结果比较,优化效果均好于传统方法。关键词　基因算法　非线性预测模型　参数优化 1　引言非线性预测模型参数优化(估计)的传统方法存在两方面的不足,一是对模型结构(如可线性化、可微)作了限定[1,2],二是方法受参数优化准则形式制约(如目标规划法、松驰算法)[3],而对实际预测环境、预测目标缺乏足够的考虑,致使其适用性不强,影响了实际预测效果。基于自然选择和自然基因机制的基因算法(Genetic A lgo rithm,简称GA)突破了对模型结构是否线性、连续、可微等各种限制,同时可不受优化准则形式、优化参数数目、约束条件等的束缚,直接在优化准则值的引导下进行全局自适应参数优化,简便实用,是目前处理参数优化问题的一种通用的数值方法。这种方法已引起工程界的广泛应用和研究[4,5]。我们在应用GA时发现,GA对各种实际预测模型参数变化区间的大小变化的适应能力较差,计算量大,算法自身参数设置技术目前尚无明确准则指导。但利用优秀个体逐步调整模型参数变化区间,可形成一种称为加速基因算法(A ccelerati on Genetic A lgo rithm,简称A GA)的新方法。经大量数值试验和实际应用,表明A GA对GA有明显改进。下面给出A GA的原理、步骤、算法参数设置准则。 2　加速基因算法的原理、步骤及其参数设置不失一般性,设一般非线性预测模型为p-1阶多项式,模型参数优化准则为极小化下式 f=6m i=1 c1+c2x i+…+c p x p-1i-y i q(1)式中,{c j}为p个待优化参数;{(x i,y i)}为m对自变量、因变量的观测数据;任意实常数q为1时即为最小一乘准则,为2时为最小二乘准则,等等,视实际预测要求而定。加速基因算法包括如下8步。步1:模型参数变化空间的离散和二进制编码。设编码长度为l,把模型每个参数的变化区间等分成2l-1个子区间,于是模型参数变化空间被离散成(2l)p个参数格网点。GA中称每个格网点为个体,它对应模型p个参数的一种可能取值状态,并用p个l二进制数表示。这样,模型p个参数的取值状态、格网点、p个二进制数建立了一一对应关系。算法的模型参数优化工作将主要对这些二进制数进行操作运算。步2:初始父代个体群的随机生成。从上述(2l)p个格网点中均匀随机选取n个点作为初始父代个体群。步3:父代个体的适应能力评价。把第i个个体代入式(1)得相应的优化准则值f i,f i越小则该个体的适应能力越强。步4:父代个体的概率选择。把已有父代个体按优化准则值f i从小到大排序。称排序后最前面的几个个体为优秀个体(群)。构造与f i值成反比的函数p i且满足p i>0和p1+p2+…p n=1。从这些父代个体中以概率p i选择第i个个体,共选择两组各n个个体。步5:父代个体的杂交。由上得到的两组个体两两配对成为n对双亲。将每对双亲的二进制数的任意一段值互换,得到两组子代个体。步6:子代个体的变异。任取上步中的一组子代个体,将它们的二进制数的任意一段值依某概率(即变异率)进行翻转(原值为0的变为1,反之变为0)。步7:进化迭代。由上步得到的n个子代个体作为新的父代,算法转入步3进入下一次进化过程,重新评价、选择、杂交和变异,如此循环往复,使优秀个体逼近最优点。 ? 9 4 ? Ξ收稿日期:1996-11-11

计量经济学简答题(经典)

1 ?什么是计量经济学？它与经济学、统计学和数学的关系怎样？答:1、计量经济学是一门运用经济理论和统计技术来分析经济数据的科学和艺术，它以经济理论为指导，以客观事实为依据，运用数学、统计学的方法和计算机技术，研究带有随机影响的经济变量之间的数量关系和规律。2、经济理论、数学和统计学知识是在计量经济学这一领域进行研究的必要前提，这三者中的每一个对于真正理解现代经济生活中的数量关系是必要的，但不充分，只有结合在一起才行。 2计量经济学三个要素是什么？经济理论、经济数据和统计方法。 3. 计量经济学模型的检验包括哪几个方面？其具体含义是什么？答：（1）经济意义检验，即根据拟定的符号、大小、关系，对参数估计结果的可靠性进行判断（2）统计检验，由数理统计理论决定。包括：拟合优度检验、总体显着性检验。（3）计量经济学检验，由计量经济学理论决定。包括:异方差性检验、序列相关性检验、多重共线性检验。（4）模型预测检验，由模型应用要求决定。包括:稳定性检验：扩大样本重新估计；预测性能检验:对样本外一点进行实际预测。 4. 计量经济学方法与一般经济数学方法有什么区别？答:计量经济学揭示经济活动中各因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法揭示经济活动中各因素之间的理论关系，用确定性的数学方程加以描述。 5. 计量经济学模型研究的经济关系有那两个基本特征？答：一是随机关系，二是因果关系J - . ' /■ 6. 计量经济学研究的对象和核心内容是什么？答：计量经济学的研究对象是经济现象，是研究经济现象中的具体数量规律。计量经济学的核心内容包括两个方面：一是方法论，即计量经济学方法或者理论计量经济学。二是应用，即应用计量经济学。无论是理论计量经济学还是应用计量经济学，都包括理论、方法和数据三种要素。 7. 计量经济学中应用的数据类型怎样？举例解释其中三种数据类型的结构。答：计量经济模型：WAGE二f（EDU,EXP,GEND,山 1）时间序列数据是按时间周期收集的数据，如年度或季度的国民生产总值。 2）横截面数据是在同一时间点手机的不同个体的数据。如世界各国某年国民生产总值。 3）混合数据是兼有时间序列和横截面成分的数据，女口 1985 —2010世界各国GDP数据。 8. 建立与应用计量经济学模型的主要步骤有哪些？（1）理论模型的设计（2）样本数据的收集（3）模型参数的估计（4）模型的检验 9. 用OLS建立多元线性回归模型，有哪些基本假设？ 1、回归模型是线性的，模型设定无误且含有误差项 2、误差项总体均值为零 3、所有解释变量与误差项都不相关4、误差项互不相关（不存在序列相关性）5、误差项具有同方差6、任何一个解释变量都不是其他解释变量的完全线性函数7、误差项服从正态分布。 10. 随机误差项包含哪些因素影响？在解释变量中被忽略的因素的影响（影响不显着的因素、未知的影响因素、无法获得数据的因素）；变量观测值的观测误差的影响；模型关系的设定误差的影响；其它随机因素的影响。 11. 为什么要计算调整后的可决系数？在应用过程中发现，如果在模型中增加一个解释变量，？往往增大。这是因为残差平方和往往随着解释变量的增加而减少，至少不会增加。这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。但是，现实情况往往是，由增加解释变量个数引起的的增大与拟合好坏无关，需调整。 =0.89表示被解释变量Y的变异性的89%能用估计的回归方程解释。 12. 叙述多重共线性的概念、后果和补救措施。概念:如果两个或多于两个解释变量之间出现了相关性，则称模型存在多重共线性。后果：1、估计量仍然是无偏的2、参数估计量的方差和标准差增大3、置信区间变宽4、t统计量会变小5、估计量对模型设定的变化及其敏感6、对方程的整体拟合程度几乎没有影响7、回归系数符号

计量经济学模型

第七章计量经济学应用 §7.1 计量经济学模型的设定计量经济学模型设定的主要根据： 1）研究目的； 2）已有理论模型。通常是根据研究目的所涉及的范围，决定需要分析哪些经济变量之间的关系。再设定这些变量之间的关系式。设定变量关系式可以根据已有的理论模型、经济恒等式、经济关系式来确定（可能需要进行一定的修改）。若没有已知的关系式可用，可以根据研究目的，人为设定。变量间具体表达式的选择若经济理论已给出具体表达式，就直接套用。否则，可以直接假设为线性函数。其原因是经济中的所使用函数大多数都认为是连续可微的函数，因而可以用线性函数近似。 §7.2 数据调整由于统计指标与经济变量的含义、口径一般不会一致。在模型估计之前，如有可能，应先进行调整，使统计指标的口径尽可能的接近经济变量的含义。 §7.3 变量的选择基于上述同样的原因，及统计指标间的相关性，在设计模型结构时，需要筛选变量。假设模型已转化为简化型，即设模型为 ??? ????++++=++++=++++=k p kp k k k p p p p x x x y x x x y x x x y εαααεαααεαααΛΛΛΛ2211222221212112121111 变量筛选有两层含义： 1）对内生变量T k y y y ),,,,(21Λ有重要影响的外生变量是否都选入模型了？ 2）模型内的外生变量T p x x x ),,,(21Λ对内生变量T k y y y ),,,,(21Λ是否都有重要影响？判别准则 1）复相关系数R （一般要求R>0.8），或方程的F -统计量；一般来说，若R>0.9或经F-检验是显著的，则从整体上说，方程几乎包含了对响应变量有重要影响所有外生变量，外生变量对内生变量有较强的解释能力，否则，表明方程遗漏了一些对内生变量有重要影响的变量，需要增加外生变量。当模型用于结构分析时，R 值可以低一些，用于预测时，R 值应比较大。 2）系数显著性检验t -统计量。下面介绍几种常用的变量筛选算法。这些算法都是一对多回归模型的搜索算法。记in Ω是在回归模型内的预测变量集，out Ω是在回归模型外待检的预测变量集，del Ω是

浅析运用计量经济模型的缺陷

浅析运用计量经济模型的缺陷李志强　詹　锋 ABSTRACT At present,Econometric m odels have found a wide range of applications on economic research. H owever their reliability can be easily understand by intend or unintended abuses.N o doubt,econometric m odels have the advantage of revealing the numerical relationships on economic phenomena,but there exist certain fatal flaws on these econometric m odels,which if not treated properly will lead to unexpected mistakes in economic forecast or analysis.In this article s ome comm on flaws in econmetric m odels are investigated and s ome useful measures are suggested for their im provement. 关键词:计量经济模型;数据;拟合;缺陷一、引言 1981年当美国的L.K lein主要因构造计量经济模型而获得诺贝尔经济学奖时,人们充分意识到计量经济学在经济研究工作中的重要性和必要性。我国也从这时起真正开始学习和借鉴传来的新方法。经过20多年的长足发展,计量经济模型已广泛应用于经济分析研究中。当前,在经济研究领域一个十分引人注目的现象是广泛采用计量经济模型,而且是相当艰深的数量模型。不少当代经济学前沿书籍和杂志,满篇满纸都是数学公式。运用计量经济模型进行经济研究可谓蔚然成风,难道研究经济问题非得用大量大部分人都看不懂的数学模型,数学公式不可吗?诚然,计量经济模型在分析研究经济问题时有其独到之处,能揭示经济现象之间的深层次的数量关系。然而,计量经济模型并不是万能的,它的确有其局限性甚至是有缺陷的一面。本文将就计量经济模型的缺陷进行分析并提出一些减少缺陷的方法。二、运用计量经济模型的缺陷 (一)忽视运用计量经济模型进行实证分析的理论基础,直接将模型应用于经济分析之中众所周知,计量经济模型的主要理论基础是凯恩斯理论,还有货币主义、理性预期学派、新古典综合理论、新供给学派理论、均衡与非均衡理论等形形色色的西方经济理论。这些理论通过借鉴和扬弃,与社会主义市场经济理论相结合,就构成了计量经济模型的完整的理论体系。然而,现实情况是,一些经济学家直接将西方现有的模型应用于中国的相关数据进行统计检验,忽略了中国的具体国情,从而也就忽视了实证分析完整的理论基础,致使对经济行为的解释呈现出较为混乱的局面,甚至得出了一些相互矛盾的结论。还有一些经济学家或者是利用计量经济理论的某一分支来理解和分析中国的实际问题,缺乏对理论体系全面细致的理解和准确连贯的把握。中国由计划经济向市场经济的转轨以及在世界经济中的崛起是一个历史性的事件,虽然不少已有的经济学理论适用于改革时期的中国,但不能一概而论。一些在成熟和常规市场经济中的经济学“常识”在转轨过程中并不成立,有些改革时期的经济行为和现象甚至与已有理论的预测背道而驰,比如东欧国家在市场自由化后出现的生产大衰退和中国在产权尚未规范化前的经济持续增长便是已有经济理论事先没有预料的突出例子。因此,直接套用现代西方经济学已有理论的结论很难或不能完全解释由计划向市场的转轨过程中的一些重大问题。这并不奇怪,一方面现代经济学以往的研究对象偏重于成熟经济和规范市场中的经济问题,另一方面由计划向市场的大规模的制度转型在历史上尚属首次。 (二)建立计量经济模型的数据有限或数据质量不高模型建立开始必须有足够的数据使用,数据必须充分描绘出考虑的现象。如果数据不足,即使拥有足够的知识和计量经济技能的学者也不能得出令人满意的结果。缺少相关数据是一个普遍的问题,特别是在环境领域仍存在着严重的数据空白,比如有关农药应用、鱼量状况、森林质量、地下水和生物多样性的数据。再者,虽然有大量的数据可供经济研究之用,但是现 44 统计研究 Statistical R esearch 2003 年第6期 N o.6　2003