6.4 半参数模型.pptVIP

§6.4半参数计量经济学模型 一、半参数线性回归模型 二、半参数二元离散选择模型 说明 从模型设定的角度，在实际应用研究中，一部分解释变量与被解释变量的关系是可以设定的，而一部分难于设定，提出了半参数模型问题。 从技术角度，完全非参数模型估计的收敛速度随着解释变量的增加而越来越慢，存在“维数诅咒 ” ，提出了半参数模型问题。 半参数模型在应用研究，特别在微观经济等领域具有广泛应用 。因为对于微观计量经济学模型，一般需要比较多的解释变量。 半参数模型与微观计量经济学模型结合，是一个方向。本节以半参数离散选择模型为例。 一、半参数线性回归模型 1、半参数回归模型 模型的参数部分作为主要部分，把握被解释变量的大势走向，适于外延预测；非参数部分，可以对被解释变量作局部调整，使模型更好地拟合样本观测值。 模型没有常数项。如果有了常数项，则模型不可识别。 随机误差序列均值为零，与所有解释变量不相关。 2、最小二乘核估计 第一步：假设β已知，对非参数部分进行核估计。 第二步：估计 β。采用OLS估计模型： 第三步：得到最终估计。 3、最小二乘局部线性估计 最小二乘核估计不能估计出非参数部分函数的导数，在具体应用中具有较大的局限性。 最小二乘局部线性估计可以估计出非参数部分函数的导数，该估计方法在实际应用中被广泛使用。 半参数线性模型的最小二乘局部线性估计分三步进行估计。 第一步：先设β已知，基于以下模型，得到g(x)的局部线性估计,同时也可以获得其导数的估计。 第二步：基于以下参数模型，得到β的最小二乘估计。 第三步：得到g(x)的最终估计，以及其导数的最终估计。 二、半参数二元离散选择模型 1、半参数二元离散选择模型的含义 为了估计二元离散选择参数模型，必须基于效用模型的随机误差项分布已知的假定。 但是，在现实中该假定不一定成立，错误的分布设定必然导致错误的推断。 将随机误差项的分布作为待估计的未知函数，这样就可以有效克服二元离散选择模型的应用缺陷。 由于半参数模型估计的收敛速度慢于参数模型，必须有足够多的样本才能实现半参数模型的估计。 半参数离散选择模型=关于解释变量的参数部分+关于随机误差项的非参数部分。 2、半参数二元离散选择模型的估计 建议不作为课堂教学内容。 * *