1 / 33

计量经济学

计量经济学. 葛玉好 Tel:82502360 Email: geyuhao@ruc.edu.cn. Contents in Former Lecture. 汇报结果 现实中遇到的一些小问题 度量单位 函数形式 如何选择模型 现实中遇到的大问题 虚拟变量、 Y 为离散值 异方差问题 多重共线性问题 内生性问题. Contents in This Lecture. 实际中遇到的大问题 Y 为离散值 Probit logit 异方差问题 多重共线性问题 内生性问题. 复习线性概率模型( LPM ). 处理被解释变量 Y 是 [0,1] 的情况。

syshe
Download Presentation

计量经济学

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 计量经济学 葛玉好 Tel:82502360 Email: geyuhao@ruc.edu.cn

  2. Contents in Former Lecture • 汇报结果 • 现实中遇到的一些小问题 • 度量单位 • 函数形式 • 如何选择模型 • 现实中遇到的大问题 • 虚拟变量、Y为离散值 • 异方差问题 • 多重共线性问题 • 内生性问题

  3. Contents in This Lecture • 实际中遇到的大问题 • Y为离散值 • Probit • logit • 异方差问题 • 多重共线性问题 • 内生性问题

  4. 复习线性概率模型(LPM) • 处理被解释变量Y是[0,1]的情况。 • LPM系数的含义。 • LPM的缺陷: • 预测值不一定落在[0,1]这个区间内 • 有异方差问题

  5. LPM模型的改进 • 找一些函数,使预测值落入[0,1] • (1)分布函数1 • (2)分布函数2

  6. 另外一种思路 • 假定有一个选择机制, • 残差e的假定: • 如果e服从标准正态分布 • 如果e服从logistic分布

  7. 标准正态分布 • 那么,

  8. Logistic 分布 • Logistic分布的密度函数和分布函数: • 那么:

  9. Logit和probit的估计 • 能不能用OLS估计 • 非线性模型 • 极大似然法进行估计

  10. 极大似然法估计的思路 • 如果 ,且两两独立 • 那么 的概率为多少? • 如果问题反过来,如果已经观察到(2,2,3),而参数a不知道,那么我们会怎么想?参数a应该使得我们观察到的这个概率最大。

  11. 在我们的问题中,我们观察到了 • 概率是多少? • 联合概率: • 那样的参数beta是合理的?最大化上面这个联合概率的。

  12. 最大化联合概率实际上就是最大化它的对数(增函数)最大化联合概率实际上就是最大化它的对数(增函数)

  13. 系数估计值的含义 • 前面得到这样一个式子: • 这个时候,符号有意义,具体的大小没意义。 • 两种处理办法: • 先对所有的x取平均数,然后求值。 • 先求值,然后取平均数。

  14. 能够直接比较LPM,logit,probit系数的估计值吗? • LPM的系数就是偏效应。 • 但logit和probit不是。 • 应该这样比: • 对probit来说,g(0)=0.4,对logit来说,g(0)=0.25。

  15. 异方差问题 • (一)异方差的定义 • (二)异方差的影响 • (三)如何在异方差下求OLS估计值的方差 • (四)如何检验异方差 • (五)如何估计系数? • 知道h(x) • 不知道h(x)

  16. (一)异方差的定义 • 第五个假设: 同方差假定意味着条件于解释变量,不可观测误差的方差为常数 • 第五个假设不成立的话,就说出现了异方差问题。 • 通常的一种情况,

  17. 异方差的图示 f(y|x) wage . . E(y|x) = b0 + b1x . primary secondary college Education level

  18. (二)异方差的影响 • 对无偏性的影响 • 对一致性的影响 • 对拟合优度的影响呢? • 公式:

  19. 对BLUE性质的影响呢? • 对t检验的影响呢? • 有影响 • 对F检验的影响呢? • 有大影响

  20. (三)异方差存在时估计的方差 • 以简单回归为例: • 如果

  21. 如果有异方差呢? • 上面的推导变为: • 看下面这个式子

  22. 多元回归的情况 • 公式为: • 推导:P78, 3.22 P94, P114 • 式中各组成成分的含义。 • 有时,我们会对上面的公式,进行调整,即乘以n/(n – k – 1)。

  23. (四)异方差问题的检验 • 异方差问题:

  24. 看下面的思路 • 估计原模型,得到残差平方和 • 作下面的回归: • 去检验这个回归的系数是不是显著? • 现在再使用普通的F检验或者LM检验。 • 这种检验叫做布罗施-帕甘异方差检验。(BP检验)

  25. (五)加权最小二乘估计 • 复习前面估计值的方差是怎么估计出来的。 • 今天我们学另外一种方法,它同样可以得到系数估计值的方差。并且这种方法还可以得到更有效的估计值。

  26. 假设异方差可以由模型Var(ui|xi) = s2i =s2hi刻画,其中hi =h(x) 只依赖于可观测特征x • 把原方程的左右两边分别除以 : • 上面方程的残差:

  27. 对上面的方程,MLR1-MLR5都成立。 • 仍然是BLUE。 • t检验,F检验仍然有效 • 渐近性质仍然成立。 • 这种方法得出的系数估计值叫做广义最小二乘法(GLS)。

  28. 可行的GLS估计 • 如果h(x)不知道,前面的方法相当于,去猜一个函数。 • 下面的方法不是去猜,而是去估计一个函数。 • 这种方法的一个好处,预测值不能保证为正。

  29. 假设: • 然后: • 最后使用前面讲的方法。

  30. FGLS程序 • (1)做原来的回归,得到残差 ; • (2)对残差取平方,然后取自然对数; • (3)做下面的回归: • (4)求出相应的拟合值。 • (5)以 为权数,用GLS估计原来方程。

  31. 再议线性概率模型 • 一种方法是不理会异方差的具体函数,只要计算稳健的方差即可。 • 一种方法是考虑异方差的具体形式。

  32. 使用GLS可能存在的问题。 • LPM(线性概率模型)的缺陷,拟合值不能全部在[0,1]区间。 • 做一些调整。

  33. 使用GLS估计线性概率 • (1)用OLS估计原模型,得到拟合值。 • (2)判断是否位于[0,1]。根据情况,需要做一些相应的调整。 • (3)构造h函数。 • (4)使用GLS的方法估计原方程。

More Related