建模基本步骤与非线性回归分析

1、第二讲建模基本步骤和非线性回归分析建模基本步骤用一个例子来讲解建模的基本步骤和软件的基本操作。例：下表是19501987年间美国机动车汽油消费量和影响消费量的变量数值。各变量表示：QMG机动车汽油消费量，CAR汽车保有量，PMG汽油价格，POP人口数，RGNP按1982年美元计算的国民生产总值，PGNPGNP指数(1982年为100)。以汽油消费量为因变量，其他为自变量，建立回归模型。年份汽油消费量(QMG)汽车保有量(CAR)汽油价格(PMG)人口数(POP)国民生产总值(RGNP)GNP指数（PGNP）195040617285491952120.2721522711090.426.1195

2、143896887519487960.2761548781179.227.9195246428148533013290.2871575531226.128.3195349374047563132810.291601841282.128.5195451107135586225470.2911630261252.129195554333255626887920.2991659311356.729.3195656022406651538100.311689031383.530.3195757415622671249040.3041719841410.231.419585915433068296594

3、0.3051748821384.732.1195961596548713544200.311177830148132.6196062811854738686820.3081806711517.233.2196163978489759582150.3061836911547.933.6196262531373791733290.3041865381647.934196364779104827137170.3041892421711.634.5196467663848863012070.3121918891806.935196570337126903607210.3211943031918.535

4、.7196673638812939620300.3321965602048.936.6196776139326969309490.3371987122100.337.81968807726571010391130.3482007062195.439.41969854160841035620180.3572026772260.741.21970886840501068076290.3642050522250.743.41971921946201112974590.361207661233245.61972953489041170516380.3882098962465.547.519739980

5、46001238117410.5242119092602.850.219741002122101279512540.5722138542564.255.119751023277501309189180.5952159732530.960.419761069727401363339340.6312180352680.563.519771100234101415231970.6572202392822.467.319781136259601464843360.6782225853115.272.219791078312201494222050.8572250553192.478.619801008

6、560701533578761.1912277573187.885.719811982198319841985198619871009940401002428701015152601026036901047192301078312201104679801559074731569936941610179261634329441687438171732558501779220001.3111.2221.1571.291.1150.8570.8972301382325202347992370012392792416132439153248.831663279.13489.93585.23676.53

7、84794100103.9107.9111.5114.5117.7数据的预处理预处理是指在正式建模之前运用一些初等方法探讨变量之间的关系，为正式建模做些准备。常用的预处理方法包括绘制动态曲线、绘制散点图、计算变量之间的相关系数等。二最小二乘估计三各统计量的解释四预测预测是建模的目的之一，预测效果的好坏也是评价模型优劣的标准之一。非线性回归分析非线性模型指的是关于参数或自变量是非线性函数的模型。在某些情形，可以通过一定的线性变化将这些非线性模型作为线性模型处理。这类模型称为可线性化的非线性模型。但并不是所有的非线性模型都可做线性化处理，对这类模型怎样分析和估计呢？无法线性化模型的一般形式为：y=f(x,b)+e。其中f(x,b)是非线性函数。需要说明：上述函数的误差为加性误差，即在非线性函数后加上一个误差，这不是说所有非线性模型的误差都以加性误差形式出现，一些可线性化的模型采用了乘性误差，或其他误差形式。比如CD生产函数的两种设法：Y =AKaLbeeY =AKaLb+e非线性最小二乘法(NLS)是非线性模型的常用估计方法。这个方法的Eviews操作与普通最小二乘法基本相同，只是在方程估计窗口或命令行中，模型必须以方程式的形式