计量经济学课件第7章.pptVIP

* 注意： 若定性变量含有m个类别，应引入m-1个虚拟变量，否则会导致多重共线性，称作虚拟变量陷阱（dummy variable trap）。 关于定性变量中的哪个类别取0，哪个类别取1，是任意的，不影响检验结果。 定性变量中取值为0所对应的类别称作基础类别（base category）。 * 若区别男女两类的不同，引入两个虚拟变量，则会导致完全共线性。假定有一个样本，该样本包括三个男性，两个女性，其数据矩阵如下：　　　Ｃ　　Ｄ１　Ｄ２　Ｘ男　　１　　１　　０　　Ｘ１男　　１　　１　　０　　Ｘ２女　　１　　０　　１　　Ｘ３男　　１　　１　　０　　Ｘ４女　　１　　０　　１ 　　Ｘ５所以Ｄ１＝１－Ｄ２，Ｄ１与Ｄ２完全共线。 * 乘法模型： * 加法模型和乘法模型的结合：检验结构变化 * 情形1（不同类别数据的截距和斜率不同） 情形2（不同类别数据的截距和斜率不同） * ２.包含多个虚拟变量的模型 　　研究本科生、研究生和ＭＢＡ毕业生的初职月薪有何差异？Ｙ：初职月薪， * 7.6 选择错误函数形式存在的问题 注意:当经济理论无法确定某种非线性形式时,也不能仅仅以拟合优度来选择函数形式. 原因有两点: * * 7.6.2 样本范围之外的错误函数形式 根据样本得到的回归方程的估计,对样本外的数据进行预测,会增加预测误差;如果函数形式不正确,则这种风险会更高.所以,对样本范围外的数据使用非线性函数形式应该极其小心. * 如果运用不正确形式对样本范围外的数据进行估计,会增加犯严重错误的概率. P129,图7-8 样本范围外的不正确函数形式 * 小结 * 习题 2、3、4、6、7 9、10、11、12、13、14、15、16 * 第7章 选择函数形式 当解释变量确定后,下一步是确定应变量与解释变量的函数形式:方程是否过原点?是直线还是曲线?等等. 不正确的函数形式将导致: 正确的解释变量可能不显著 或出现非预期的符号 判断函数形式的依据:理论 * 7.1 常数项的应用与解释 * 7.1.1 不能剔除常数项 问题1:省略常数项可能导致违背古典假设2(误差项有零期望值). * 问题2：省去常数项,变成过原点回归,会使斜率系数的估计值具有潜在偏差，t值被放大。使被遗漏变量的固定效应、非线性性等，被迫进入其他系数的估计值，引起潜在的估计偏差。 例P116，图7-1。 问题3：在样本范围内，与包含常数项的估计回归方程相比，常数项被省略的回归线不能对真实回归线提供充分近似。 一般准则：不要省略常数项，即使理论设定要求不含常数项。 * 7.1.2 不要信赖常数项的估计值 两个原因： 1、误差项代表的是许多边缘自变量的平均效应，进行t检验无意义。 2、常数项是当所有的自变量和误差项的值为0时，应变量的值，但是自变量和误差项的值几乎从不等于0。即原点通常位于样本观察值范围之外。 * 7.2 备选函数形式 线性回归：回归关于系数是线性的，关于变量可以是非线性的。 * 注意： 函数形式的选择几乎总是基于潜在的经济或贸易理论，而很少根据哪种形式提供最好的拟合。 * 在实际经济活动中，经济变量的关系是复杂的，直接表现为线性关系的情况并不多见。 如著名的恩格尔曲线(Engle curves)表现为幂函数曲线形式、宏观经济学中的菲利普斯曲线（Pillips cuves）表现为双曲线形式等。 但是，大部分非线性关系又可以通过一些简单的数学处理，使之化为数学上的线性关系，从而可以运用线性回归的方法进行计量经济学方面的处理。 * 7.2.1 线性形式 * 7.2.2 双对数形式 * 例： * * 双对数函数图形:P119 P119:图7-2. 注意：使用双对数模型,需确保数据中没有负值或零观测值. * * 7.2.3 什么是对数 P119 * 7.2.4 半对数形式 半对数函数形式:应变量或自变量以自然对数形式表达. * 对数到线性模型 * 例:牛肉需求方程 P120-121 * 线性到对数模型:测量增长率 * 怎样测量增长率 * 7.2.5 多项式形式 广泛使用于生产函数和成本函数. 如果某种关系的斜率被认为依赖于变量自身的水平,则应该考虑多项式模型. * 令变量 ，同样可以进行参数的OLS估计, 不违背线性假定。 多项式回归模型： * 例:研究年龄对收入的预期影响 P121 * 7.2.6 反函数形式 (随着X无限地增大，(1