开南大学公管所和国企所合开选修课课程名称量化分析和应.ppt

SR5：X並非隨機變數，並且至少要有兩個不一樣的值。 放寬X不是隨機變數的假設：資料是來自於控制實驗。 X是隨機的，並且與誤差項e相關。 E(e X)=0 表示： 1.沒有遺漏重要變數。 2.使用正確的函數形式。 3. 沒有會使得誤差項與X相關的因素存在。 但是，第三點不太可能是直覺性的。 若X與e有相關，則Cov(X,e)≠0，且可以說E(e X)≠0。 若X是隨機，只要資料取自於隨機樣本，並且其他的一般假設成立，則迴歸方法是不需要改變的。 當T ∞時，所有機率會集中到β2附近。 A13.3* E(e)=0且Cov(X,e)=0 在A13.3的假設之下，當T ∞時，最小平方估計式會趨近於真正的值。 在假設A13.1~A13.5.，A13.3*之下，當T ∞時，最小平方估計式會趨近於常態分配。 若Cov(x,e)≠0 X與e是相關的，則最小平方估計式在大樣本中不會是一致的。 因此，最小平方估計式並不適用。 迴歸方程式的誤差衡量 數種情況之下，最小平方估計式會不適用，因為解釋變數與誤差項之間有相關性。 變數中包含誤差 誤差衡量。 Yt=β0+β1Xt*+Vt Xt*無法得知 Xt=Xt*+ut Xt是隨機變數 Yt=β0+β1(Xt-ut)+Vt=β0+β1Xt+et et=Vt-β2ut 則Cov(Xt,et)=E(Xt,et) =E[(X*+ut)(Vt-β2ut)] =E(-β2ut2) =-β2σu2≠0 所以最小平方估計式有誤差且不一致。 工具變數估計的實證例子 與X相關，但與誤差項不相關。 兩階段最小平方值估計： 1.將X對常數項Z、W跑迴歸，便會得到預測值 。 2.用 作為X的工具變數。 當 1.將X對常數項Z、W跑迴歸，便會得到預測值 。 2.簡單線性迴歸普通最小平方式的估計。 檢定解釋變數和誤差項之間的相關性 虛無假設H0：Cov(X,e)=0 對立假設H1：Cov(X,e)≠0 若H0為真，最小平方估計式與工具變數估計式一致。當T ∞， 即q(bols- ) 0 。 若虛無假設不為真，最小平方估計式並不一致；工具變數估計式是一致的。當T ∞，即q(bols- ) C≠0。 Hausman檢定 使Zt1和Zt2為X的工具變數。 Xt=a0+a1Zt1+a2Zt2+Vt H0：δ=0 X與e不相關 H1：δ≠0 X與e相關 若有兩個δ，δ1、δ2，則H0：δ1= δ2=0；H1：Otherwise。 F檢定！ 會造成經濟變數改變的經濟決策會持續很長的一段時間。例如：貨幣及財政政策。 Yt=f(Xt,Xt+1,Xt+2,…) 我們必須知道有多少政策的改變會發生在時間的改變。有多少改變會發生在一個月之後，有多少改變將會發生在兩個月之後。 有個問題是，我們必須知道要回朔到多久以前？或是時間分配落差的長度。 有限的模型 Yt=α+β0Xt+β1Xt-1+β2Xt-2+…+βnXt-n+et t=n+1,…,T 假設E(et)=0，Var(et)=σ2，Cov(et,es)=0 觀察值：T-n個 α：截距項 βi：時間落差分配權數 βi反映出衡量在其他事情保持不變之下，過去撥款變數ΔXt-i對當期預期支出E(Yt)的影響。 若et具有一般性，則可以用最小平方式估計。 注意：共線性的問題！若Xt-i和Xt-i-1循著一個相似的模式，則Xt-i和Xt-i-1就會相關。 估計係數的符號不正確、很大的標準誤(不顯著)。 最小平方估計式可能不具信賴性。 要制衡共線性的副作用 給予模型的參數某些限制。 多項式時間分配 =r0+r1i+r2i2 i=0,…,n 若i=0， =r0 若n=4，則Yt=α+β0Xt+β1Xt-1+β2Xt-2+β3Xt-3+β4Xt-4+et t=5,…,T β0=r0，β1=r0+r1+r2，β2=r0+2r1+4r2，β3=r0+3r1+9r2，β4=r0+4r1+16r2。 Yt=α+r0Zt0+r1Zt1+r2Zt2+et Zt0=Xt+Xt-1+Xt-2+Xt-3+Xt-4 Zt1=Xt-1+2Xt-2+3Xt-3+4Xt-4 Zt2=Xt-1+4Xt-2+9Xt-3+16Xt-4 則 用F檢定來檢查模型的一致性 有限制模型的參數個數：3個參數 沒有限制