eviews技术操作：非线性回归模型的建立
计量经济学上机实验
计量经济学上机实验上机实验一：一元线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参数估计并进行检验上机步骤：中国内地2011年中国各地区城镇居民每百户计算机拥有量和人均总收入一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y X2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y X2.相关图：键入命令 SCAT Y X 散点图：趋势图：上机结果：Yˆ11.958+0.003X=s (βˆ) 5.6228 0.0002t (βˆ) 2.1267 11.9826prob 0.0421 0.00002=0.831 R2=0.826 FR=143.584 prob(F)=0.0000上机实验二：多元线性回归模型实验目的：多元回归模型的建立、比较与筛选，掌握基本的操作要求并能根据理论对分析结果进行解释实验内容：对线性回归模型进行参数估计并进行检验上机步骤：商品的需求量与商品价格和消费者平均收入趋势图：散点图：上机结果:i Yˆ=132.5802-8.878007X1-0.038888X2s (βˆ) 57.118 4.291 0.419t (βˆ) 2.321 -2.069 -0.093prob 0.0533 0.0773 0.9286 R2=0.79 R2=0.73 F =13.14 prob(F)=0.00427三：非线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参上机步骤：我国国有独立核算工业企业统计资料一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y L K2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y K L2.相关图：键入命令 SCAT Y K L四．估计回归模型：键入命令LS Y C K L上机结果：Y =4047.866K1.262204L-1.227157s (βˆ) 17694.18 0232593 0.759696t (βˆ) 0.228768 5.426669 -1.615325prob 0.8242 0.0004 0.1407R2=0.989758 R2=0.987482 F=434.8689 prob(F)=0.0000上机实验四：异方差实验目的：：掌握异方差的检验与调整方法的上机实现实验内容：我国制造工业利润函数行业销售销售行业销售销售实验步骤：一．检验异方差性1．图形分析检验：1) 观察Y、X相关图：SCAT Y X2) 残差分析:观察回归方程的残差图LS Y C X在方程窗口上点击Residual按钮；2． Goldfeld-Quant检验：SORT XSMPL 1 10LS Y C X（计算第一组残差平方和）SMPL 19 28LS Y C X（计算第二组残差平方和）计算F统计量，判断异方差性3．White检验：SMPL 1 28LS Y C X在方程窗口上点击：View\Residual\Test\White Heteroskedastcity 由概率值判断异方差性。
EVIEWS中的模型操作
Page 46
EGARCH(1,1)模型的参数均显著，说明序列 具有杠杆性，可以进一步加入“ARCH-M” 检验：
Page 47
系数不显著，（用Variance时系数一样不显著 ），说明不存在ARCH-M过程。
Page 48
模型验证
对建立的EARCH(1，1)模型进行残差ARCH效 应检验，点击EARCH(1，1)结果输出窗口 View /Residual Test /ARCH LM TestLag=滞后阶数，可以分别取1，4，8 ，12；以lag=4为例，输出结果如下所示：
时间序列建模步骤
1
• 序列描述性分析 • 序列相关性分析 • 回归模型的建立
• 残差的ARCH效应检验 • ARCH模型的建立 • 模型验证
2 3
4 5 6
3
实例操作
实例操作
上证180指数收益率波动率分析
本次选取了上证180指数于2008年8月1日到 2010年11月3日的收盘价，共548个观测值。并 以此建立序列{p}，进而构建其对数收益率序列 {r}，对序列{r}建立条件异方差模型，并研究 其收益波动率。
建立新的工作文件 选择菜单File/New/workfile，则出现数据的频率 对话框。如图
Page 13
可在 "Workfilefrequency"中选择数据的频率，可 选的频率包括年度、半年、季度、月度、星期、天 （每周5天、每周7天）以及非时间序列或不规则数 据。 可在"Start date"文本框中输入起始日期，"End date"文本框中输入终止日期，年度与后面的数字 用"："分隔。
Eviews主要功能：
（7）对联立方程进行线性和非线性的估计； （8）估计和分析向量自回归系统； （9）多项式分布滞后模型的估计； （10）回归方程的预测； （11）模型的求解和模拟； （12）数据库管理； （13）与外部软件进行数据交换。
eviews使用简单讲解
数据导入File-foreign data as workfile --2种选项的不同 File-new-workfile新变量的输入Object-new object-series 如：x ，双击打开后，edit+/-编辑，通过excel 复制粘贴，再一下结束Quick-generate series 通过已知变量的运算一元线性回归模型 and 多元线性回归模型t t t u bX a Y ++=t nt n t t t u X b X b X b a Y +++++= 2211非线性回归模型 常见有4种 双对数线性模型εγβ1x y = )ln()ln()ln(ln 1εβγ++=x y半对数模型—原先x or y 在指数上u x y ++=)ln(10αα u x y ++=10)ln(αα双曲函数模型（倒数模型）t tt u X Y ++=)1(21ββ多项式回归模型u x x x y n n +++++=ββββ 2210非线性回归模型，先用变量替换成为线性（一元or 多元）回归模型，然后做法相同。
虚拟变量模型⎩⎨⎧=另一种状态一种状态10t D eg ⎩⎨⎧=，男性女性1,0t D 研究定性变量的时候引入，比如说性别、种族、宗教、民族、婚姻状况、教育程度等。
一般的，定性变量有m 类，引入m-1个虚拟变量。
分布滞后模型t n t n t t t u x x x y +++++=--ββββ 1210对于时间序列数据，由于经济系统中的经济政策的传导、经济行为的相互影响和渗透都是需要一定时间的。
他们的数值是由某些滞后量决定的。
Eg 消费不仅取决于当期的收入，还取决于以前的收入。
先做图观察一下大体趋势，是否要取对数等。
Quick-graph 建立模型Quick-estimation equation 选择LS 变量第一个是因变量，常数项输入c 注：log （x ）表示对x 取自然对数x （-1） 表示滞后一阶 ；x （-1 to -4）表示x （-1）、x （-2）、x （-3）、x （-4）其实，更方便快捷的是用execl进行普通的回归模型工具-加载宏-分析数据库and 分析数据库-vba函数工具-数据分析获取新变量“=”虚拟变量，简单编程eg：=IF(E2>400000,1,0)时间序列分析在处理有关时间序列的数据的时候，首先画图，看看是否需要季节调整Eg 冰激凌销售的例子。
Eviews操作指导
Eviews上机指导第一节Eviews简介1、Eviews是什么2、运行Eviews3、Eviews的窗口4、Eviews的主要功能5、关闭Eviews第二节单方程计量经济模型Eviews操作案例一、创建工作文件二、输入和编辑数据三、图形分析四、OLS估计参数五、预测六、非线性回归模型的估计七、异方差检验与解决办法八、自相关检验与解决办法第三节联立方程计量经济模型Eviews操作第一节 Eviews简介Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。
它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。
计量经济学研究的核心是设计模型、收集资料、估计模型、检验模型、应用模型（结构分析、经济预测、政策评价）。
Eviews是完成上述任务比较得力的必不可少的工具。
正是由于Eviews等计量经济学软件包的出现，使计量经济学取得了长足的进步，发展成为一门较为实用与严谨的经济学科。
1、Eviews是什么Eviews是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。
使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。
Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。
Eviews是专门为大型机开发的、用以处理时间序列数据的时间序列软件包的新版本。
Eviews的前身是1981年第1版的Micro TSP。
目前最新的版本是Eviews4.0。
我们以Eviews3.1版本为例，介绍经济计量学软件包使用的基本方法和技巧。
虽然Eviews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews的运用领域并不局限于处理经济时间序列。
即使是跨部门的大型项目，也可以采用Eviews进行处理。
Eviews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行操作，Eviews允许用户以简便的可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。
Eviews：可划为线性及非线性模型估计
也可以从命令窗口使用 PARAM 命令设定初始系数值。只需 输入关键词PARAM，然后是每个系数和想要的初值： param c(1) 153 c(2) .68 c(3) .15 中设定c(1)=153，c(2)=0.68 和c(3)=0.15。详情参见附录E。
（2）迭代和收敛选项 可以通过说明收敛标准和最大迭代次数来控制迭代过程。按 Options钮并输入想要的数值。如果系数变化的最大值低于阈值， EViews 报告估计过程已经收敛。例如，设定阈值为 0.001 ，则 EViews会通过检查系数的最大变化是不是小于 0.001来决定是否 收敛。 在大多数情况下，不许改变最大迭代次数。然而，对于某些 难于估计的模型，在最大迭代次数下迭代过程不收敛。这时，只 需单击Options钮，然后，增加最大迭代次数并点OK接受选项 ， 开始估计。EViews会使用最后一组参数值作为初始值进行估计。
yt f ( xt , β ) ut
其中f 是解释变量和参数 的函数。最小二乘估计就是要选择参 数 使残差平方和最小：
S ( β ) ( yt f ( xt , β )) 2 ( y f ( X , β ))( y f ( X , β ))
t
如果 f 关于参数的导数不依赖于参数，则我们称模型为参
数线性的，反之，则是参数非线性的。例如，
yt 1 2 log Lt 3 log Kt ut
是参数线性的，f 关于参数的导数与参数 无关。 而
yt 1 Lt K t ut
其函数的导数仍依赖于参数，所以它是参数非线性的。对于这 个模型，没有办法使用普通最小二乘估计来最小化残差平方和。
2
3
必须使用非线性最小二乘估计技术来估计模型参数。
Eviews 基本操作学习( 图示版)
目录目录 (1)1、EViews简介 (3)1.1 什么是EViews (3)1.2 启动和运行EViews (3)1.3 EViews窗口 (3)1.4关闭EViews (4)2、EViews基本操作 (5)2.1工作文件与对象 (5)2.1.1工作文件 (5)2.1.2对象 (7)2.2数据处理 (10)2.2.1数据对象与样本 (10)2.2.2数据的输入和输出 (12)2.3图形与表格 (14)2.3.1图的创建 (14)2.3.2图的修改 (14)2.3.3多个图 (16)2.3.4图的打印和输出 (17)2.3.5表格对象 (18)2.3.6表的输出 (18)2.3.7文本对象 (19)3、基本回归模型 (19)3.1估计和方程对象 (19)3.1.1方程对象 (19)3.1.2在EViews中对方程进行说明 (20)3.1.3在EViews中估计方程 (20)3.2方程输出 (20)3.3方程操作 (22)3.3.1方程视图 (22)3.3.2方程过程 (24)3.3.3缺省方程 (24)4、基本检验 (24)4.1多重共线性的检验 (24)4.2异方差的检验 (25)4.3 自相关的检验 (26)5、时间序列模型 (27)5.1时间序列平稳性的单位根检验 (27)5.1.1单位根的ADF检验 (27)5.1.2Phillips-Perron(PP)检验 (27)5.2协整 (28)6、案例分析 (29)6.1多元线性回归及多重共线性的检验 (29)6.2异方差的检验 (31)6.3自相关的检验 (34)6.4时间序列的单位根和协整检验 (36)1、EViews简介1.1什么是EViewsEViews 是在大型计算机的TSP (Time Series Processor)软件包基础上发展起来的新版本，是一组处理时间序列数据的有效工具，是当今世界上最流行的计量经济学软件之一。
1981年QMS (Quantitative Micro Software) 公司在Micro TSP基础上直接开发成功EViews 并投入使用。
Eviews操作教程-详尽版
【Monthly】数据频率为月度，表示为“年:月度〞或“年.月度〞。如2002:11、2003:08〔等价于2003:8〕。同样，如果输入数据为“12/6/1990〞和“4/7/2000〞那么Eviews将自动识别恰好包括该段时间的月份。
1.2.2.3.
“︱〞
1.2.2.4.
1.2.2.5.
1.2.3.
图1.2
1.3.
方式
说明
面向对象
面向过程
交互方式
菜单方式
A.对象菜单方式
主要通过主菜单【Objects】、【View】和【Procs】来完成各种操作
B.快速菜单方式
“对象.视图〔或过程〕〞
“〞
示意图
D
C
A
B
程序
方式
通过编程实现重复性批处理操作，或者实现交互方式无法完成的复杂操作
图1.24
图1.25
在工作窗口中，也可以先按下“ctrl〞键，再用鼠标分别点击需要纳入组的序列，在选中这些序列之后，单击鼠标右键，选择【Open】—【as Group】，这样也可以翻开一个包含被选中序列的组，但是这个组尚未命名保存。
datadata ser1 ser2 ser3。系统将创立一个包含这些序列的未命名的组。
Eviews软件功能很强，能够处理以时间序列为主的多种类型数据，进行包括描述统计、回归分析、传统时间序列分析等根本数据分析以及建立条件异方差、向量自回归等复杂的计量经济模型。
1.2.
1.2.1.
eviews技术操作：非线性回归模型的建立PPT教学课件
2020/12/10
8
❖ (2)迭代和收敛
❖ EViews用的是Gauss- Seidel迭代法求参数估计值。 迭代停止遵循的法则: 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。
2020/12/10
10
PPT教学课件
谢谢观看
Thank You For Watching
11
2020/12/10
5
❖ 有时遇到估计结果不符合常规或显示出无法 收敛的错误信息时，需要设定选项重新估计。
❖ （1）初始值(Start Value)
❖ 初始值是EViews进行第一次迭代计算时参 数所取的数值。这个值保存在与回归函数有 关的系数向量中。
❖ 回归函数必须定义初始值。例如如果回归函 数包含表达式1/C (1)，就不能把C (1)的初 始值设定为0，同样如果包含表达式LOG (C (2))，那C (2)必须大于零。
第五章 非线性回归模型的建立
2020/12/10
1
❖ 一、非线性模型的估计方法（迭代法） ❖ 二、 非线性模型的极大似然估计
2020/12/10
2
一、迭代法
❖ 并非所有的非线性模型都可做线性化处理， 非线性最小二乘法(NLS :Nonlinear Least Square)是非线性模型的常用估计方法。
❖ 例1 根据case3数据用非线性最小二乘法建 立单位成本函数模型。
2020/12/10
3
❖ 建模过程仍是先打开方程定义窗口，在定义 栏中输入模型的非线性表达式即可。不同的 是有时候可能迭代无法收敛，则需要通过修 改选项设置来重新估计。
EViews的基本操作（可编辑）
EViews的基本操作EViews 的基本操作实验目的：初步了解EViews 软件，掌握EViews 的基本操作1. EViews 主窗口EViews 是基于Windows 操作系统的计量分析软件，它的前身是1981 年发布的MicroTSP 。
EViews 大部分的数据处理是面对经济时间序列数据，但是这并不妨碍它对大量的截面数据处理同样表现出卓越的功能。
EViews 利用了现代软件开发中的可视化技术，可以使用鼠标，通过点击 Windows 命令、修改对话框选项等完成相关数据处理过程，同时也可以利用 EViews的命令行窗口和批处理程序完成同样的数据处理过程。
正确安装并运行EViews 后，我们将会看到EViews 窗口（如图 1 EViews 窗口所示）。
标题栏主菜单命令窗口下拉式菜单工作区域默认数据库消息区当前工作文件默认路径图 1 EViews 窗口2. 工作文件基础EViews 的大部分操作都是在工作文件的基础上完成的，因此工作文件构成了EViews 的基础。
对EViews 的基本操作离不开对工作文件的操作，以下部分介绍如何新建、保存、读取、修改一个工作文件。
2.1 新建一个工作文件（Creating a Workfile ）使用EViews 的第一步通常就是新建一个工作文件。
建立一个工作文件可以按下列顺序点击EViews 的主菜单：File→New →Workfile 。
此时打开下列对话框。
图 2 新建一个工作文件在图 2 新建一个工作文件所示的对话框中，用户需要根据实际数据的特点，指定工作文件的数据频率（workfile frequency ），以及工作文件的范围，即开始日期（start date ）和结束日期（end date ）。
关于数据频率，对话框中提供了八种不同的选择，其含义和输入格式如下Annual ，即年度数据Semi-annual，即半年度数据，具体表示为年份跟着一个冒号或句点，和一个半年数。
Eviews应用第三讲PPT课件
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）
2
二、eviews操作步骤
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。
•
•
• Variable
Coefficient Std. Error t-Statistic Prob.
•
•
•C
250.8152 7.392000 33.93063 0.0000
• @INV(X)
355307.8 41793.25 8.501560 0.0000
•
•
• R-squared
0.837731
Mean dependent var 312.3081
• Adjusted R-squared 0.826140
S.D. dependent var 14.62250
• S.E. of regression 6.097066
Akaike info criterion 6.569961
• Sum squared resid 520.4390
5
得到例1中的幂函数曲线模型为： y 7.45 x0.197
表3.1
Dependent Variable: LY Method: Least Squares Date: 04/20/12 Time: 12:01 Sample: 1 16 Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
Eviews操作教程全套完整版
1.EVIEWS基础 (3)1.1. E VIEWS简介 (3)1.2. E VIEWS的启动、主界面和退出 (3)1.3. E VIEWS的操作方式 (6)1.4. E VIEWS应用入门 (6)1.5. E VIEWS常用的数据操作 (15)2.一元线性回归模型 (24)2.1. 用普通最小二乘估计法建立一元线性回归模型 (24)2.2. 模型的预测 (30)2.3. 结构稳定性的C HOW检验 (34)3. 多元线性回归 (39)3.1. 用OLS建立多元线性回归模型 (39)3.2. 函数形式误设的RESET检验 (45)4. 非线性回归 (48)4.1. 用直接代换法对含有幂函数的非线性模型的估计 (48)4.2. 用间接代换法对含有对数函数的非线性模型的估计 (50)4.3. 用间接代换法对CD函数的非线性模型的估计 (53)4.4. NLS对可线性化的非线性模型的估计 (55)4.5. NLS对不可线性化的非线性模型的估计 (58)4.6. 二元选择模型 (62)5. 异方差 (68)5.1. 异方差的戈得菲尔德——匡特检验 (68)5.2. 异方差的WHITE检验 (72)5.3. 异方差的处理 (75)6. 自相关 (79)6.1. 自相关的判别 (79)6.2. 自相关的修正 (83)7. 多重共线性 (87)7.1. 多重共线性的检验 (87)7.2. 多重共线性的处理 (92)8. 虚拟变量 (94)8.1. 虚拟自变量的应用 (94)8.2. 虚拟变量的交互作用 (99)8.3. 二值因变量：线性概率模型 (101)9. 滞后变量模型 (105)9.1. 自回归分布滞后模型的估计 (105)9.2. 多项式分布滞后模型的参数估计 (110)10. 联立方程模型 (115)10.1. 联立方程模型的单方程估计方法 (115)10.2. 联立方程模型的系统估计方法 (119)21.Eviews基础1.1. Eviews简介Eviews：Econometric Views（经济计量视图），是美国QMS公司（Quantitative Micro Software Co.，网址为）开发的运行于Windows环境下的经济计量分析软件。
eviews基本操作介绍
31
4 对象类型
除了序列对象和方程对象外还有许多其他类型的对象; 每种对象在对象集合中都有一个特定的图标表示 对象集合 虽然也是对象但对象集合没有图标;因此工作文件和数据库 不能放在其他的工作文件或数据库中
32
基本对象操作
30
3 对象过程PROC
许多EViews对象还包括过程Procedure 与视图一样的是;过 程通常以图表或坐标的形式显示在对象窗口中；与视图不同的 是;过程改变数据;无论对象本身中的还是其他对象中的
很多过程还创建新的对象 比如说序列对象含有进行平滑与 季节调整的过程;该过程可以创建一个新的含有平滑以及调整 后的数据的序列 方程对象的过程可以建立新的序列来包含残差 拟合值 以及预测
Eviews 统计分析 从入门到精通
第一章 Eviews简介
Eviews简介 Eviews的主窗口 工作文件的建立与工作文件窗口 对象的建立和对象窗口
Eviews简介
EViews的用途：统计 计量分析和预测 除菜单操作外;EViews还提供命令语言;矩阵语言和程序 设计 Eviews软件基础 —— 介绍EViews的基本用法 解释如何使 用EViews来管理数据 第一部分：数据分析基础 —— 描述使用EViews来完成数 据的基本分析
Eviews 全称 Econometrics Views ; 是美 国 QMS 公司 推 出 的 基于 Windows平台的专门从事数据分析 回归分析和预测的 计算机软件;Eviews是当今世界上最优秀的计量经济软件之一 ;其具有操作简便 界面友好 功能强大等特点;在科学数据分析 与评价 金融分析 经济预测 销售预测和成本分析等领域具有 广泛的影响 虽然EViews是由经济学家开发的并大多在经济 领域应用;但它的适用范围不应只局限于经济领域
04(其他回归模型)多元回归模型及EVIEWS应用基本
cst 1 2 inc t 3 ut
试以此说明如何用软件进行非线性回归参数估 计。
15
EViews进行非线性回归模型参数估计步骤
建立工作文件（cs_inc.wfl) 建立序列对象，录入数据 为了确定初始值，可利用降维法确定参数初 始值，为此令b3=1,建立线性回归模型，创 建线性方程对象，用OLS法估计参数作为非 线性回归的初始值，此为 b1,b2,b3:449.07,0.7345,1 建立非线性回归模型对象
36
1990年前后的中国居民的总储蓄-收入数据
年份 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 储蓄 281 399.5 523.7 675.4 892.5 1214.7 1622.6 2237.6 3073.3 3801.5 5146.9 7034.2 GNP 4038.2 4517.8 4860.3 5301.8 5957.4 7206.7 8989.1 10201.4 11954.5 14922.3 16917.8 18598.4 年份 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 储蓄 9107 11545.4 14762.4 21518.8 29662.3 38520.8 46279.8 53407.5 59621.8 64332.4 73762.4 GNP 21662.5 26651.9 34560.5 46670 57494.9 66850.5 73142.7 76967.2 80579.4 88228.1 94346.4
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：32101βββP P AX Q =这里需要将等式右边的A 改写为0e 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13、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2NLS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。
实验4：计量经济学实验【多元线性回归及非线性回归模型的线性化】
二、学习的基本内容（重点）
1、多元线性回归模型的基本理论和方法； 2、多元线性回归模型的有关检验（统计 检验）； 3、看懂Eviews软件的回归分析结果； 4、采用合适的形式报告有关结果； 5、经典线性回归模型的扩展——多元非 线性回归模型的线性化处理。
三、知识点回顾
1、多元线性回归模型的概念
与一元线性回归模型类似，对多元线性回归模型 Y X X X 有以下几个基本假设，如果实 际模型满足这些假设，则 OLS 就是最优的估计方法； (1) 解释变量 X 1 , X 2 , , X k 是非随机的或固定的，且相互之间 互不相关（无多重共线性），随机干扰项 i 是随机变量； (2)随机干扰项 i 具有 0 均值，同方差及不序列相关性，即
ˆ 1 ˆ ˆ k
0
( k 1) 1
三、知识点回顾
2、多元线性回归模型的四种重要关系式 （4）样本回归模型：
样本回归函数的随机形式表示为：
ˆ ˆ ˆ ˆ ˆ Yi Yi e i 0 1 X 1 i 2 X 2 i k X ki e i
三、知识点回顾
2、多元线性回归模型的四种重要关系式 （2）总体回归函数（方程）
上述多元回归模型中的确定性部分（趋势部分）
E (Y | X 1 i , X 2 i , X ki ) 0 1 X 1 i 2 X 2 i k X ki
此式揭示了所考察总体被解释变量与解释变量之间的平均变 化规律，即解释变量取固定值时，被解释变量Y 的平均响 应； 多元回归斜率系数的含义：表示在保持回归方程中其他解释 变量不变时，所考察的解释变量每增加一个单位，将导致被 解释变量Y的均值的变化量。
实验二_非线性回归模型估计
实验二 非线性回归模型估计一、实验目的练习模型选择及非线性回归模型的估计方法。
用NLS 法估计成本函数、C-D 生产函数，利用C-D 函数测定宏观经济技术进步率，用NLS 法估计CES 生产函数，并掌握参数约束的Wald 检验。
二、实验要求运用给定的数据，依据相应的经济学理论，完成模型估计、选优、检验和应用等，掌握相应的EViews 操作方法。
三、实验内容1．选择成本函数的数学形式结合经济学中成本理论的有关知识，调用虚拟资料2.1CF 。
考虑三个备选模型：（1）双曲线：Xb b Y 10+= ；（2）对数曲线：X b b Y ln 10+=；（3）幂函数曲线：10b Xb Y =具体做法：（1）调入数据2.1CF（2）打出散点图，观察数据是否适宜采用线性形式？（3）分别用上述三个模型对数据进行拟合估计，有两种做法：A.线性化后运用回归命令进行OLS 法估计（运用genr 命令生成新变量）；B.直接对模型进行非线性模型估计（NLS 法，直接输入模型表达式）。
请比较分别用两种方式估计后的输出结果有无异同？（4）比较三种模型估计输出结果：可决系数R 2的变化；t 、F 检验的结论；AIC 、SC 准则的表现等，决定哪一个模型为最优？2．C-D 生产函数的估计和应用——测定宏观经济技术进步率及要素贡献率基本原理：反映技术进步的生产函数的一般形式为：)),(),((t t K t K f Y =。
这种生产函数分为三类：Hicks 中性技术进步、Harrod 中性技术进步和Solow 中性技术进步。
当技术进步类型为Hicks 中性时，理论形式写为：βαL K eA Y mt0= （1）对（1）式两边取对数得：mt L K A Y +++=ln ln ln ln 0βα （2）对（2）式两边微分得：m dtdL L dtdK K dtdY Y dtY d ++==111)(ln βα（3）将（3）式对应表示为： m l k y ++= βα （4）（4）式中α、β分别是劳动弹性和资本弹性，m 为技术进步率，l k y m - βα-=，即著名的索罗增长速度方程。
eviews技术操作：非线性回归模型的建立
❖ (2)迭代和收敛
❖ EViews用的是Gauss- Seidel迭代法求参数估计值。 迭代停止遵循的法则: 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。
❖ 但有时即使未达到收敛也会停止迭代。这有两种情 况:一种是迭代次数已经达到了给定的次数。这时应 重新设定迭代次数以取得收敛。另一种是经过一定 迭代后EViews发出显示失败的错误信息，而这大多 和回归函数有关。这时可以选取不同的参数初始值， 从不同方向逼近估计值。
❖ 建模过程仍是先打开方程定义窗口，在定义 栏中输入模型的非线性表达式即可。不同的 是有时候可能迭代无法收敛，则需要通过修 改选项设置来重新估计。
❖ 线性化与NLS法的参数估计值完全一样，统 计量输出相同，这是由于线性化仅改变了变 量的形式，而NLS法也没有改变y和1/x的线 性关系，在这两种情况下进行最小二乘估计 对于待估参数来说是等价的。
❖ 有时遇到估计结果不符合常规或显示出无法 收敛的错误信息时，需要设定选项重新估计。
❖ （1）初始值(Start Value)
❖ 初始值是EViews进行第一次迭代计算时参 数所取的数值。这个值保存在与回归函数有 关的系数向量中。
❖ 回归函数必须定义初始值。例如如果回归函 数包含表达式1/C (1)，就不能把C (1)的初 始值设定为0，同样如果包含表达式LOG (C (2))，那C (2)必须大于零。
第五章 非线性回归模型的建立
❖ 一、非线性模型的估计方法（迭代法） ❖ 二、 非线性模型的极大似然估计
一、迭代法
❖ 并非所有的非线性模型都可做线性化处Байду номын сангаас， 非线性最小二乘法(NLS :Nonlinear Least Square)是非线性模型的常用估计方法。
非线性问题 计量经济学 EVIEWS建模课件
一、非线性模型及其求解思想 二、非线性模型的线性化处理 三、非线性模型的案例分析
㈡ 非线性模型的求解思想
本节对非线性模型的处理，可分为如下 三种情况进行。
⒈解释变量非线性问题
现实经济现象中变量之间往往呈现非线性关系 需求量与价格之间的关系；
成本与产量的关系； 税收与税率的关系 基尼系数与经济发展水平的关系； 通过变量置换就可以化为线性模型
ln Q = ln A + ln K + ln L+lnU
⒉指数函数模型
Yt aebxt ut
上式xt和yt的关系是非线性 的。对等号两侧同取自然对 数，得：
LnYt = Lna + b Xt + ut 令LnYt = Yt*, Lna = a*, 则
Yt* = a* + bXt + ut 变量Yt* 和Xt已变换成为线 性关系。其中ut表示随机误 差项。
15 POPU
1.6630
10
0.90699616
4.00000000
4.42944529
5
4.68287473
4.95381199 4.96723711 5.16458301
0
-2000 -1000
0
1000
2000
T 3000
5.45418598
7.0499
10.0072
12.7627
Ln(30 / popu 1) = 4.7831 - 0.0016 t
xt和yt的关系是非线性的。令xt* = 1/xt，得 yt = a + b xt* + ut
上式已变换成线性回归模型。
⒊ 对数函数模型
Eviews操作教程-详尽版
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
X
13.55
14.38
15.52
15.17
17.48
17.63
20.05
23.14
25.25
25.88
24.83
27.4
【Windows】提供多种在翻开窗口种进行切换的方式，以及关闭所有对象〔Close All Objects〕或关闭所有窗口〔Close All〕。
1.2.2.3.
“︱〞
1.2.2.4.
1.2.2.5.
1.2.3.
图1.2
1.3.
方式
说明
面向对象
面向过程
交互方式
菜单方式
A.对象菜单方式
主要通过主菜单【Objects】、【View】和【Procs】来完成各种操作
图1.16
……〕不再赘述，请读者自己尝试。
1.5.
1.5.1.
表1.1Eviews中的运算符
运算符
+
-
*
/
^
>
<
=
<>
<=
>=
意义
加
减
乘
除
幂
大于
小于
等于
不等于
小于等于
大于等于
1.5.2.
1.5.2.1.
图1.17
series name。
注意：在给包括序列在内的所有的对象命名时，不能使用以下Eviews软件的保存字符。
例1.2将以下四个序列cs、gdp、gov_net、inv纳入到一个名为economy的组中。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
❖ 建模过程仍是先打开方程定义窗口，在定义 栏中输入模型的非线性表达式即可。不同的 是有时候可能迭代无法收敛，则需要通过修 改选项设置来重新估计。
❖ 线性化与NLS法的参数估计值完全一样，统 计量输出相同，这是由于线性化仅改变了变 量的形式，而NLS法也没有改变y和1/x的线 性关系，在这两种情况下进行最小二乘估计 对于待估参数来说是等价的。
❖ 有时遇到估计结果不符合常规或显示出无法 收敛的错误信息时，需要设定选项重新估计。
❖ （1）初始值(Start Value)
❖ 初始值是EViews进行第一次迭代计算时参 数所取的数值。这个值保存在与回归函数有 关的系数向量中。
❖ 回归函数必须定义初始值。例如如果回归函 数包含表达式1/C (1)，就不能把C (1)的初 始值设定为0，同样如果包含表达式LOG (C (2))，那C (2)必须大于零。
❖ (2)迭代和收敛
❖ EViews用的是Gauss- Seidel迭代法求参数估计值。 迭代停止遵循的法则: 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。
❖ 但有时即使未达到收敛也会停止迭代。这有两种情 况:一种是迭代次数已经达到了给定的次数。这时应 重新设定迭代次数以取得收敛。另一种是经过一定 迭代后EViews发出显示失败的错误信息，而这大多 和回归函数有关。这时可以选取不同的参数初始值， 从不同方向逼近估计值。
❖ 初始值的选取不当可能会导致NLS运算失败。
❖ 当EViews给出Near Singular Matrix的错误提 示时，有可能与初始值选取有关。
❖ 但通常没有选取初始值的一般规则，显然离 真实值越近越好，所以我们可以先根据参数 的意义猜测参数的范围，给出一个合适的初 始值。如根据劳动弹性系数在0到1之间，例 3.4中可将C (2)赋一个介于0到1的值。
第五章 非线性回归模型的建立
❖ 一、非线性模型的估计方法（迭代法） ❖ 二、 非线性模型的极大似然估计
一、迭代法
❖ 并非所有的非线性模型都可做线性化处理， 非线性最小二乘法(NLS :Nonlinear Least Square)是非线性模型的常用估计方法。
❖ 例1 根据case3数据用非线性最小二乘法建 立单位成本函数模型。
❖ 在NLS中， EViews用开始估计的系数向量中 对应的值作为初始值。所以我们可以先查看 系数向量中的各个参数值，如果有需要更改 的，可直接在系数向量窗口中编辑更改，这 时可输入更改值。另外也可用命令
❖ Param coef_name(1) n1 coef_name(2) n2...
❖ 来重新设置。例如param c(1) 153 c(2) 0.68 c(3) 0.15
❖ 它们的区别仅在于NLS未输出线性回归中才 有的F统计量及相应的相伴概率。
例2
❖ 粮食产量通常由粮食产量（Y）、农业生产劳 动力(L)、粮食播种面积（M）、化肥施用量 (K)等因素决定。case4是我国粮食生产的有 关数据(由于粮食生产劳动力不易统计，假定 它在农业劳动力中的比例是一定的，故用农 业劳动力的数据代替)，研究其间关系，建立 Cobb-Douglas生产函数模型。
❖ Options中有一栏和NLS有关迭代过程 (Iterative Procedure)。它有两个选项: Max Iterative是最大迭代次数， Convergence是 事先给定的一个比率值，当系数在一次迭代 后的变化率小于该值时就停止迭