下载文档原格式
（整理）计量经济学第四章⾮线性回归模型的线性化第四章⾮线性回归模型的线性化以上介绍了线性回归模型。
但有时候变量之间的关系是⾮线性的。
例如 y t = α 0 + α11βt x + u t y t = α 0 t x e 1α+ u t上述⾮线性回归模型是⽆法⽤最⼩⼆乘法估计参数的。
可采⽤⾮线性⽅法进⾏估计。
估计过程⾮常复杂和困难，在20世纪40年代之前⼏乎不可能实现。
计算机的出现⼤⼤⽅便了⾮线性回归模型的估计。
专⽤软件使这种计算变得⾮常容易。
但本章不是介绍这类模型的估计。
另外还有⼀类⾮线性回归模型。
其形式是⾮线性的，但可以通过适当的变换，转化为线性模型，然后利⽤线性回归模型的估计与检验⽅法进⾏处理。
称此类模型为可线性化的⾮线性模型。
下⾯介绍⼏种典型的可以线性化的⾮线性模型。
4.1 可线性化的模型⑴指数函数模型y t = t t ubx ae + (4.1)b >0 和b <0两种情形的图形分别见图4.1和4.2。
显然x t 和y t 的关系是⾮线性的。
对上式等号两侧同取⾃然对数，得Lny t = Lna + b x t + u t (4.2)令Lny t = y t *, Lna = a *, 则y t * = a * + bx t + u t (4.3) 变量y t * 和x t 已变换成为线性关系。
其中u t 表⽰随机误差项。
010203040501234XY 1图4.1 y t =tt u bx ae+, (b > 0) 图4.2 y t =t+, (b < 0)⑵对数函数模型y t = a + b Ln x t+ u t(4.4)b>0和b<0两种情形的图形分别见图4.3和4.4。
x t和y t的关系是⾮线性的。
令x t* = Lnx t, 则y t = a + b x t* + u t(4.5)变量y t和x t* 已变换成为线性关系。
图4.3 y t = a + b Lnx t + u t , (b > 0) 图4.4 y t = a + b Lnx t + u t , (b < 0)⑶幂函数模型y t= a x t b t u e(4.6) b取不同值的图形分别见图4.5和4.6。
非线性系统的线性方法
非线性系统表现出的动力学特性比线性系统要复杂，因此通常不能直接使用线性方法来分析或控制非线性系统。
然而，还有一些基于线性化的方法可以在一定程度上处理非线性系统，这些方法被称为线性方法。
其中最常用的线性方法包括：
1. 线性化方法：通过在某个工作点附近对非线性系统进行泰勒展开，得到一个线性模型，然后使用线性系统的理论和方法来分析和控制该线性模型。
这种方法适用于非线性系统在某个工作点附近的小扰动，且要求非线性系统在其他工作点上的行为与线性模型类似。
2. 线性误差反馈（LEF）方法：通过估计非线性系统与线性系统的误差，并利用误差来设计一个线性系统的反馈控制器。
该方法的关键是如何估计非线性系统与线性模型之间的误差，通常使用状态观测器或者误差动态模型来实现。
3. 线性拟合方法：通过在非线性系统的某个工作点上采集大量数据，并利用数据拟合技术（如最小二乘法）来得到一个线性模型。
然后使用线性系统的方法来分析和控制该线性模型。
这种方法适用于非线性系统在某个工作点附近的输入输出数据已知的情况。
需要注意的是，这些线性方法只是对非线性系统的一种简化处理，只能在一定程
度上解决非线性系统的分析和控制问题。
对于复杂的非线性系统，需要使用更加复杂和全面的非线性方法来分析和控制。
浅谈非线性回归模型的线性化广东省惠州市惠阳区崇雅中学高中部 卢瑞勤(516213)回归分析在各个领域中都有十分重要的作用，比如：在财务中可以用回归分析进行财务预测；在医疗检验中可以用回归分析进行病理预报等等。
高中新课标教材就在《必修3》和《选修2-3》中分别增加了《线性回归》和《回归分析》的内容，介绍了求线性回归方程的方法。
但在实际问题中，变量间的关系并非总是线性关系，本文结合本人的教学实践，对教材中的这两部分内容进行适当延伸，谈谈对一些可线性化的非线性回归模型的线性化问题，供各位同行在教学时参考。
一、什么是可线性化的非线性回归模型线性回归模型的基本特征是预报变量可以表示成解释变量和一个系数相乘的和，即预报变量y 可以表示成解释变量i x (i =1，2，3，……)的如下形式：0112233y a a x a x a x =++++，其中变量ix 是以其原型(而不是以ni x 或其它)的形式出现，变量y 是各变量i x 的线性函数。
而有些回归模型不具备这个特点，但是可以通过适当的代数变换转化成这种形式，我们称这类回归模型为可线性化的回归模型。
在本文中，我们只讨论只有一个解释变量可线性化的非线性回归模型的线性化。
二、非线性回归模型的线性化的基本思路非线性回归模线性化的基本思路是：由已知数据，确定解释变量和预报变量，作出散点图，根据经验，确定回归曲线的类型，然后作适当的代数变换，若变换后散点图体现较好的线性关系，即可将其化成线性形式求解，最后还原到原来的回归曲线。
如果回归曲线可用多种形式表示，可以各自将其线性化后求解，再用相关系数2R 进行拟合效果分析，2R 越大，拟合效果越好，所求的回归方程也就越精确。
三、非线性回归模型的线性化的常用方法可线性化的非线性回归模型有以下几种常见类型：(1)双曲线型，其形式为1a b y x =+，其变换为1y y '=， 1x x'=，变换后的形式为y b ax ''=+ (2)幂函数型，其形式为by ax = ，可以变形为ln ln ln y a b x =+，作变换ln y y '= ，ln x x '= ，变换后的形式为y a bx ''=+(3)指数函数型，其形式为bxy ae = ，以变形为ln ln y a bx =+，作变换ln y y '=，ln a a '= ，变换后的形式为y a bx ''=+(4)对数函数型，其形式为ln y a b x =+，作变换ln x x '=，变换后的形式为y a bx '=+ 下面以高中新课标数学教材《选修2-3》一道习题为例加以说明【例】在某地区的一段时间内观察到的不小于某震级x 的地震个数y 数据如下表，试建立回归方程表述二者之间的关系。
非线性化模型的线性化方法总结
在学习计量经济学过程中，我们所接触的经济学模型不仅仅是线性的，许多实际经济活动中的经济模型都是非线性的，例如恩格尔曲线表现为幂函数曲线形式，菲利普斯曲线表现为双曲线形式，下面介绍三种非线性模型的转化方法，分别适应于不同的模型：
一、直接置换法：直接替换模型中原有的非线性变量。
适用模型如下：
（1）倒数（双曲线）模型：
0111u Q P ββ=++，可以用1Y Q =,1X P
=来置换，变为01Y X u ββ=++
（2）多项式模型：
2
012Y t t u βββ=+++，可以用212,X t X t ==来置换变为： 0122Y X X u βββ=+++
（3）对数模型： 01ln Y X u ββ=++，将1ln X X
=带入原式进行置换，得到：011Y X u ββ=++
二、函数变换法：通过函数变化，如取对数、移项等方式对原模型进行变形以得到线性化模型：
12(,,,)k Y f X X X u =⋅⋅⋅+
（1） 幂函数模型：u Q AK L e αβ=，方程两边
取对数，得到：
ln ln ln ln Q A K L u αβ=+++
再对上式进行置换。
（2）指数函数模型：Q u
C ab e =，方程两边取对数得到：ln ln ln C a Q b u =++，再对上式进行置换。
三、级数展开法：如CES 函数1
12()p p u p
Q A K L e δδ---=+，方程两
边取对数得到：121ln ln ln()p p Q A K L u p
δδ--=-++，将式中12ln()p p K L δδ--+在p=0处展开泰勒级数，取关于p 的线性项，即得到一个线性近似式，如取0阶、1阶、2阶项，可得:
212121ln ln ln ln [ln()]2K Y A K L p L
δδδδ=++- （备注：无法线性化的模型一般为：12(,,,)k Y f X X X u =⋅⋅⋅+，其中12(,,,)k f X X X ⋅⋅⋅为非线性函数）。
