Wlecture模型设定北大光华计量.pptxVIP

第三章、 模型设定 ;Outline;第一节、引言;因为没有true model，模型的设定就变得非常重要 它甚至比模型的估计与检验来得更重要 但很不幸，我们这门功课主要讲估计和检验.而模型的设定是实证金融学等的任务。 那能否通过数据来设定模型？ Data can never speak for themselves. Fact can never speak for themselves 模型是窗口，窗口放在哪里是人定的。当然我们还是希望“窗口”能客观全面一些 There is no accepted “best” way of going about finding a correct specification， 但有一些经验。;第二节、是否要常数项?;第三节、需要哪些控制变量？;原则3：如果一个控制变量不能显著增加回归的R2，则没有必要。 原则4：如果一个控制变量的系数估计的t-值不显著，则没有必要。 原则5：R2和t-值选择多个可能的控制变量时，选择的顺序有关。这时“Testing down” 比“testing up”更好些。 But report result oppositely.;第四节、非线性问题;Beta1的经济含义：弹性 供给函数、需求函数中的价格弹性估计 这个回归模型假定弹性为常数。 Beta1的经济含义：半弹性(百分比变化) 更多的在数据问题中： 既然模型误差u应该是正态分布（假设6），那要求被解释变量的取值区间为（-无穷，+无穷）。而有些被解释变量数据显然不是。这时一般要做对数变换。比如： Comovement (R2), credit quality (default probability): (0,1) z=Ln(y/(1-y)) Risk (volatility): (0,infinity) z=ln(y) Other similar data ;;是否取对数的非正式简单规则: ;取对数时，回归模型的估计，只要简单地把变化后的log（x）看做x，代入公式就可以。没有任何其它问题。 One limitation of the log is that it cannot be used if a variable takes on zero or negative values. In cases where a variable y is nonnegative but can take on the value 0, log(1+y) is sometimes used. The percentage change interpretations are often closely preserved, except for changes beginning at y=0 (where the percentage change is not even defined). Generally, using log(1 + y) ;第二种非线性关系是二次型： 对二次型回归模型，只要简单地把变化后的x的平方项看做一个新的变量w，这是一个通常的多元回归模型 但beta1不是通常的x的边际影响，beta2也不是w的边际影响。 因为这里不可能保持w（x的平方项）不变，而考察x对y的影响。 事实上，x对y的影响是 经济含义： 比如大股东持股比例对公司治理的作用、FDI程度对当地经济发展的影响 比如信息透明度对个股特质风险的影响 not very common in empirical finance. ;利用二次型(U型或倒U型）的回归模型，还要注意 ，那么数据中有多少观测值分布在这个极值点的两边? 如果某一边只有几个观测值，那很有可能是outlier 导致的二次型，结果不一定可靠。 模型设置中，有二次项时，必须有一次项。 因为一次函数是最基本的近似，二次函数是在考虑了一次之后的近似。;第五节、利用R2选择模型;应用2：用什么非线性？ Consider the following two models relating RD intensity to firm sales: Which one is better? Comparing R2 to choose among different nonnested sets of independent variables can be valuable. But we cannot use it to choose different dependent variable or different form of dependent variable.;第六节、标准化参