06.第六章计量经济学.ppt

多元回归分析 y = b0 + b1x1 + b2x2 + . . . bkxk + u 4. 其他问题 重新定义变量 我们改变变量y的度量单位将导致系数和标准误差在比例上的一个相应变化,因此在显著性或解释上没有变化 我们改变一个变量x的度量单位将导致系数和标准误差在比例上的一个变化,因此在显著性或解释上没有变化 贝塔系数 有时你将会涉及到 “标准化系数” 或 “贝塔系数” ，它有一个明确的含义 获得该系数的思路是，将变量的取值标准化，即用变量原值减去它的均值并除以标准差，来代替原来的变量 y 和每个 x 该系数反映了对于x的一个标准差变化，y的标准差变化量 函数形式 通过使用 x和y的非线性函数（该非线性函数对于参数将仍然是线性的），我们能使普通最小二乘法用于x和y之间非严格的线性关系中 我们能取x的自然对数和y或者两者都取对数 我们能使用x的二次形式 我们能使用变量x的交互作用项 对数模型的解释 如果模型是ln(y) = b0 + b1ln(x) + u 那么b1是y关于x的弹性 如果模型是ln(y) = b0 + b1x + u 那么100b1是对于x 的一个单位变化 ，y的近似百分比变化 如果模型是y = b0 + b1ln(x) + u 那么b1是对于x的一个100%的变化，y的近似变化 为什么使用对数模型? 因为测量百分比发生变化，所以对数模型对于变量的比例是无变化的 对数模型给出弹性的一个直接估计值 对于y 0的模型来说, y的条件分布常常是异方差分布或偏态分布，而ln(y)的这种表现则要轻微得多 ln(y)的分布比y的分布更窄, 这减轻了异常数据的影响 关于二次模型的更多内容 如果我们假设 x的系数是正数，而x2的系数是负数 那么y起先会随着x的增大而增大, 但最后将随着x的增大而减小 因为β10并且β2 0 那么转折点将为x*=|β1 /(2β2) | ^ ^ ^ ^ 关于二次模型的更多内容 如果我们假设x的系数是负数，而x2的系数是正数 那么 y 起先会随着x的增大而减小, 但最后将随着x的增大而增大 因为β10并且β2 0 那么转折点将为x*=|β1 /(2β2) | 它与当β10并且β20时的x*相同 ^ ^ ^ ^ ^ ^ 交互作用项 对于一个形式为 y = b0 + b1x1 + b2x2 + b3x1x2 + u的模型来说,当我们测量 y 关于 x1的变化时，我们不能只考虑 b1, 而还需要考虑 b3, 因为 ⊿y ⊿x1 =β1 +β3x2 ，因此为了评估x1对y的效应， 我们通常在x2 处进行考量 _ 校正R平方 当我们增加更多的变量到模型中的时候， R2 总是将增大 校正R2将模型中变量的数量纳入考量，它可能会随变量的增加而减小 校正R平方 (续) 领会校正R2正好是1- (1 – R2)(n – 1) / (n – k – 1)是容易的, 但是大多数计算包将给你提供 R2 和校正R2 通过比较校正R2 ，你能比较 (具有相同y) 的两个模型的拟合程度 你不能使用校正R2来比较具有不同 y(例如 y 与 ln(y)相比较)的模型 拟合优度 重要的是我们不要太关注校正R2而忘记理论和常识 如果经济理论清楚地预示了一个变量的存在, 那么我们通常留下该变量 不要包含妨碍对主题变量进行合理解释的变量，牢记多元回归分析的其它条件不变的解释 预测标准误差 假设我们想要使用我们的估计值来作出一个特定的预测 首先, 假设我们需要一个满足 E(y|x1=c1,…xk=ck) = q0 = b0+b1c1+ …+ bkck的估计值 虽然通过在我们估计的模型中用c来取代 x我们很容易获得上述估计值, 但是标准差怎样？ 实际上这是对一个线性组合的检验问题 预测标准误差(续) 可以重写为 b0 = q0 – b1c1 – … – bkck 将b0代入得到 y = q0 + b1 (x1 - c1) + … + bk (xk - ck) + u 因此, 如果你将yi 对(xij - cij) 进行回归 ，那么截距将给出预测值和它的标准误差 注意：当c等于x的均值时标准误差将是最小的 预测标准误差(续) 期望值的标准误差是不同于y值的标准误差 还需要考虑观测不到的误差项的方差。令预测误差为 e0 =y0 - y0 =(b0+b1x10+…+ bkxk0)+u0-y0 因为E(e0)=0,Var(e0)=Var(y0)+Var(u0)=Var(y0)+s2 因此se(e0) ={[se(y0)]2+ s2}1/2 ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ 预测区间 通常s2的估计值比预测方差大得多, 因