一、回归方程函数形式的选择
1、常识性误区
在很多人心里根本没有回归方程函数形式选择这一考虑。但是很明显,不是所有的经济关系都是简单线性的。
2、可选的函数形式
线性函数:Y=β1+β2*X
线性对数函数:Y=β1+β2*lnX
倒数函数:Y=β1+β2*(1/X)
多项式函数:Y=β1+β2*X+β3*X^2
交互作用函数:Y=β1+β2*X+β3*Y+β4*X*Y
对数线性函数:lnY=β1+β2*X
对数倒数函数:lnY=β1+β2*(1/X)
对数多项式函数:Y=β1+β2*X+β3*X^2
双对数函数:lnY=β1+β2*lnX
对数曲线函数:ln[Y/(1-Y)]=β1+β2*X
这些函数回归系数的意义可以通过求导得知。
3、选择标准
第一,看散点图,根据散点图的形态进行选择;第二,经济实质,这个根据回归系数的含义;第三,数据特征,有的是绝对数据有的是相对数据。
但是,以上这些判断非常依赖经验,经验不足的话可以进行试错,对于样本选择所有的函数形式进行回归,再根据回归统计量的优劣确定最佳的函数形式。
二、Eviews回归方程的设定
Eviews回归方程的设定主要有两种方式:列表法和公式法。运用最普遍的是列表法,但是列表法只能做估计参数为线性组合的回归,而公式法则没有这种限制,也可以在公式中添加系数约束条件,所以公式法的适用性更高。
当回归方程的系数是非线性的,如柯布-道格拉斯函数,则需要对系数提供初始值。这个可以打开系数序列(以β作为文件标识)直接对系数进行赋值。
可以预先定义系数向量,在公示中可以使用定义的系数向量。定义的路径:Objects-----New Objects----Matrix-Vector-Coef---Coefficient Vector。系数向量设定时列一般设为1,行则设定等于样本容量。