计量经济学(北京大学中国经济研究中心).ppt

* * * * * §3 概率单位模型(probit Model) * * * * * 二、Logit模型与Probit 模型的比较 1、几何形状 Probit Model (概率）：虚曲线 Logit Model (对数）：实曲线 注：Logit Model 的使用要多于Probit Model * * * § 2 随机解释变量模型 * * * OLS估计的性质 * * § 3工具变量法 * * * * “计量检验”复习 对参数?的估计 对参数?的估计量的标准差 t检验 预测 检验 多重共线性 参数估计不稳定 方差变大 失效 降低预测精度 VIF 异方差 线性无偏 方差变大 失效 White检验 自相关 方差变大 失效 DW检验 随机解释变量 * 第九章:虚拟因变量 * 因变量也可以是定性变量。如家庭是否拥有自己的住宅，企业是否在某个地区投资，成年男子是否在“参与劳动”等。 * § 1 线性概率模型（LPM) * * * 概率 总和 1 * * * * * 4、拟和优度 通常情况下，拟和优度不会太高，在0.2至0.6之间。 ………. ………. ………. ………. * 对于受约束的LPM(b)一般 不会大，大多数实例 ，当实际的散点非常密集在 点A和B处时， 才会高。 .… …. * * * § 2 对数单位模型（Logit Model) * * * * * 用以下方法处理 数据构造 (收入以 的家庭个数） （其中拥有住房的家庭数） 6 40 8 8 50 12 10 60 18 … … … 40 25 20 * * 3、自相关系数 * 4、方差与协方差 * 二、类型 * 2、一阶移动平均MA(1) 3、ARMA(1,1) * 5、一阶自回归AR(1)扰动项的特性 * 5、一阶自回归AR(1)扰动项的特性 * §2 自相关的来源 * 二、设定偏误：应含而未含变量的情形 * 三、设定偏误：不正确的函数形式 例如：如果真实的回归方程形式为: 其中，因变量为边际成本，解释变量为产出及产出的平方。 如果作回归是选用的是： 则会出现自相关，其形式为： * 四、蛛网现象 许多农产品的供给表现出一种所谓的蛛网现象。 例如，供给价格的反应要滞后一个时期。今年种植的作物是受去年流行的价格影响的，因此，相关的函数形式是： 这种现象就不能期望扰动项是随机的。 * 五、滞后效应 例如：在消费支出对收入的时间序列分析中，当期的消费支出除了依赖于其他变量外，还依赖于前期的消费支出。即： 如果作回归是选用的是： 则会出现自相关。 * 六、数据的“编造” 在经验分析中，许多数据是经过加工而成的。 例如，在用到季度数据的时间序列回归中，季度数 据通常由月度数据加总而成。这种平均的计算减弱 了每月的波动而引进了数据的匀滑性。 注：自相关也可能出现在横界面数据中，但更一般 出现在时间序列数据中。 * §3、自相关的后果 * §3、自相关的后果 右边第一项是忽略自相关并使用OLS下的参 数估计量的方差 如果 是正的， 并且X值是正相关的（大多数经济时间序列 都是如此），则右边第二项也是正的，则有： 就是说，通常的 的OLS方差低估了AR(1)下 的方差。因此，若使用 就会夸大 的精度，从而t检验失效，预测不准。 * §4、自相关的检验 一、图解法 时间序列图（Time Sequence plot):将残差对时间描点。 如图（a）所示，扰动项的估计值呈循环形，并不频繁 地改变符号，而是相继若干个正的以后跟着几个负的。 表明存在正自相关。 t (a) * (b) 如（b）图所示，扰动项的估计值呈锯齿状，随时间 逐次改变符号，表明存在负相关。 §4、自相关的检验 t * §4、自相关的检验 二、DW检验（Durbin-Watson） DW检验是检验自相关的最著名的、最常用的方法。 1、使用条件 （1）、回归模型中含有截距项； （2）、解释变量是非随机的（因此与随机扰动项不 相关） （3）、随机扰动项是一阶自相关； （4）、回归模型中不把滞后因变量做解释变量； （5）、没有缺落数据，样本比较大。 * 二、 DW检验 * dL 2 4 4-dL 0 dU 4-dU 正相关 无自相关 负相关 §4、自相关的检验 d * （3）检验判断 对给定样本大小和给定解释变量个数找出 临界值，按照上面的图做出决策。 例：查DW表，对于31个观测值和一个解释