应用计量经济学第7章解析.ppt

* * * * * * * * * * * * * 第7章 模型设定：函数形式的选择 Slides by Niels-Hugo Blunch Washington and Lee University 常数项的应用与解释 β0 的估计量至少由三个部分组成： 1. 真实的 β0 2. 任何设定误差带来的不变影响（例如：一个遗漏的解释变量） 3. 正确设定方程中 ε 的均值（如果不为0的话） 不幸的是，这三个部分并不能独立地被观察到，我们只能观察 β0, 只能从这三个部分的和来观察 目前为止，我们并没有解释常数项 同时，我们也不能省略常数项，如 Figure 7.1 所尔 Figure 7.1 去除常数项的不利效应 可选择的函数形式 方程关于变量是线性的，如果X、Y在散点图上是接近一条直线的 例如，对于方程7.1： Y = β0 + β1X + ε (7.1) 但是，方程7.2对于变量是线性的吗： Y = β0 + β1X2 + ε (7.2) 对于变量是非线性的 类似的，方程对系数是线性的，只要系数是以最简单的形式出现，他们： 幂次只以1次出现 与其它系数没有相乘或相除 没有其它形式的函数，如对数、指数等 例如，方程7.1、7.2对于系数是线性的，而方程7.3： (7.3) 对于系数不是线性的 事实上，对于所有可能的方程， (7.4) 对于系数 β0 、 β1 都是线性的 可选择的函数形式 线性形式 线性形式的假设是被解释变量与解释变量之间的斜率关系是不变的： 一个线性例子：Y对X的弹性（X变动1%引起Y的变动量）是不变的： 什么是对数？ 自然对数是以e为底的对数，它的符号是“ln“，其定义为： ln(x) = b 意味着 eb = x 其中：e= 2.71828…… 观察一下自然对数值： ln(100) = 4.605 ln(1000) = 6.908 ln(10000) = 9.210 ln(1000000) = 13.816 什么是对数？ 因此，请注意，从100到1000000，而自然对数仅从4.605增加到13.816！因此，对数在计量经济学的应用主要在于如果研究者希望降低数据的绝对规模时 自然对数在计量经济学中，有一个非常有用的用处，即可以度量百分比的变化（将在双对数模型中进一步探讨） 双对数形式 此处，Y的对数形式是被解释变量，X的对数形式是解释变量： (7.5) 在双对数形式中，一个单独的回归系数可以被解释为弹性，因为： (7.6) 请注意，在这样的模型中，弹性是不变的，但是，斜率却是改变的 双对数模型是线性模型的一个对比，线性模型中，弹性是改变的，而斜率是不变的 Figure 7.2 双对数函数 半对数形式 半对数形式是双对数形式的一种变化形式，但是，不是所有的变量（包括被解释变量、解释变量）是对数形式的 如果仅是在右边，模型可被写为： Yi = β0 + β1lnX1i + β2X2i + εi (7.7) 当然也可以仅在左边，模型可被写为： lnY = β0 + β1X1 + β2X2 + ε (7.9) Figure 7.3 表示了这两种不同的形式 Figure 7.3 半对数形式 多项式形式 多项式函数形式是指Y是解释变量的函数，这些解释变量中有部分解释变量的幂超过了1 例如：在一个二次多项式方程，至少有一个解释变量是平方项： Yi = β0 + β1X1i + β2(X1i)2 + β3X2i + εi (7.10) 方程 7.10 中，Y 对 X1 的斜率是： (7.11) 请注意，斜率的大小根据不同的 X1 而改变 Figure 7.4 多项式函数 倒数形式 倒数函数形式中，被解释变量Y是一个或多个解释变量倒数的函数，在本例中是, X1： Yi = β0 + β1(1/X1i) + β2X2i + εi (7.13) 于是 X1 不是等于0 这种函数形式用于当其它解释变量的影响趋于无穷大时，该解释变量的影响却趋于0 对 X1 的斜率是： (7.14) 对 X1 的斜率依据 β1 的符号而被分为了两类（见 Figure 7.5） Figure 7.5 倒数函数 Table 7.1 可选择的函数形式小结 滞后解释变量 事实上，到目前为止，我们所讨论的回归模型本质上都是“静态的、即时的”模型 换句话说，包含在模型中的解释变量、被解释变量都是同一时期的，例如： Yt = β0 + β1X1t + β2X2t + εt (7.15) 更多的计量经济模型包含一期或多期的滞后解释变量，例如： X1t-1 ，此处 “t–1” 是指相对于时期t向前推一期的观测变量的值，表