第讲估计量分析.ppt

基本概念 例1： E(W|Edu)=β0+β1Edu 回归regression beta0和beta1 dependent variable independent variable 函数形式 具体：E(W|Edu)=1000+50Edu 参数 经济学的确定性模型和现实的数据的不确定性 E(W|Edu)=β0+β1Edu 计量经济学的任务 估计beta0和beta1 确定性：如果同样的Edu有同样的W 可以计算不用估计 同样的Edu获得不同的W 同样的Edu获得不同的W 原因1： 影响W的因素还有其他 原因2： 随机因素 原因3： 无法衡量的因素 原因4： W存在测量误差 解决方法 解决方法 随机形式 W=β0+β1Edu+ε W=β0+β1Edu+β2Exp+β3Sex+ν 关于ε 随机项、误差项、随机扰动、扰动、误差 扰动来源 未包含的变量 被解释变量的测量误差 未考虑到被解释变量和解释变量间的非线性关系 影响被解释变量的纯随机因素 具体值的含义 某个体W值偏离类似情况个体W的平均值的程度 由于随机或者未考虑变量 总体和样本 估计值和估计量 估计值：通过样本对参数的猜测 无法评价好坏 估计量：估计方法 可评价 模型的正确与否以及有用性 Models are to be used not to be believed 没有true的模型 有用性 - 取决于目标和数据条件 例子2：恩格尔法则 1857恩格尔法则 家庭收入越高，食品占收入的比重越低 1855年数据198户 检验 方法 估计F=beta0+beta1*I+epsilon 法则成立意味着 beta0大于0 实际上 E(F|I)=84.1+0.53*I 恩格尔法则的推广1 随着家庭收入增加，食品支出增加的幅度越来越少 检验 估计F=beta2+beta3*I+beta4*I^2+v 假设成立意味着 beta3大于0，beta4小于0 数据显示 E(F|I)=86.0+0.5*I+0.000001*I^2 恩格尔法则推广2 食品支出增加速度慢于收入增加速度 检验 估计logF=beta5+beta6*logI+w 假设成立意味着 beta6小于1 数据显示 E(logF|logI)=0.43+0.87*logI 随机结构的确定 随机项的分布问题 方差 随机项的相互依赖性 总结 非线性变量 检验 经济行为检验 对感兴趣的参数的检验 关于数据来源的检验 有助于帮助选择适合的估计方法 随机项未必同分布 需要理解数据来源 估计方法的好坏取决于随机项的性质 样本产生方式的重要性 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 5-* BLUE Estimator of b1?(cont.) 5-* BLUE Estimator of b0 The easiest way to estimate the intercept: Notice that the fitted regression line always goes through the point Our fitted regression line passes through “the middle of the data.” 5-* Example: The Phillips Curve Phillips argued that nations face a trade-off between inflation and unemployment. He used annual British data on wage inflation and unemployment from 1