研究生计量经济学第一章 绪论.pptVIP

* * * * * * * * * * * * * * 混合截面数据，比如今天我从你们班里随机抽取20个人，量了你们的身高和体重，过了一年以后，我又随机从你们班里抽了30个人最了身高和体重，我可以这样做几年，从而获得一个即有截面特征，又有时间征的数据。这就是混合截面数据。如果第一年我抽了20个人，以后每年我都只考察这20个人的身高和体重，即么获得的数据是平行数据（panel data) * * * * * * * * * (3) 混合截面数据（Pooled Cross Sections) 　即有截面数据的特征，又有时间序列数据的特征。 (4)平行数据（panel data) 　每一个截面单位都有一个时间序列的数据。平行数据是一种特殊的混合截面数据。 School of Economics ? 2005 Xiamen University School of Economics-Econometrics obsno City Year Crime Pop police 1 1 1986 5 35 440 2 1 1990 8 35.92 471 3 2 1986 2 6.43 75 4 2 1990 1 6.51 75 …. …. … …. … … 299 150 1986 25 54.30 520 300 150 1990 32 54.62 493 Obsno观察值号、city城市编号、year年份、crime犯罪数、pop城市人口数、police城市警察数。 * 基础知识 例子1：E(w|Edu）=beta0+beta1*edu 基本概念： 回归：一个变量的期望值或者均值与另一个或一些变量值的关系 Beta0、beta1的含义 被解释变量、解释变量 函数形式：本例中为线性 真实世界中，函数具体可能为E(W|Edu)=1000+50Edu * 基础知识 但实际上对研究者而言1000，50为未知数，计量经济学的任务 确定性事件：同样的EDU有同样的W 可计算beta0、beta1，不要估计 同样的EDU不同的W 要估计 * 基础知识 同样的EDU不同的W：原因 1、影响W的因素还有其他：工作经验、性别 2、无法衡量因素：天生能力 3、随机因素 4、W存在测量误差 * 基础知识 同样EDU不同W的解决方案：随机形式 W=β0+β1Edu+ε W=β0+β1Edu+β2Exp+β3Sex+ν 随机项、误差项、随机扰动、扰动、误差：来源 未包含的变量 被解释变量的测量误差 影响被解释变量的纯随机因素 未考虑到被解释变量和解释变量间的非线性关系 * 基础知识 随机项、误差项、随机扰动、扰动、误差：含义 某个体W值偏离类似情况个体W的平均值的程度 总体和样本 E(Wi|Edui)=β0+β1Edui+β2Expi+β3Sexi 估计值和估计量 估计值：通过样本对参数的猜测值，无法评价好坏 估计量：估计的方法，可评价 * 基础知识 模型的正确性与否及有用性 Models are to be used not to be believed 没有没有true的模型：上述两模型都不true Nor is one model always “better” than the other 有用性取决于研究目标和数据条件:就像地形图总是有用吗？ 基础知识 例子1告诉我们： 函数形式 确定性与随机性 估计量和估计值 估计量性质 True model * 基础知识 例2：恩格尔定律 19世纪Ernst Engel：食品支出占收入比重随收入增加而下降。 如何检验？ 方法1、F=B0+B1I+e F/I=B0/I+B1，如果B00, E(F)=84.1+0.53I * 基础知识 一块钱额外收入的食品支出下降。 方法2：E（F|I）=B2+B3I+B4I2 检验B30, B40缺点：I很大时 E(F)=86.0+0.5I+0.000001I2 方法3： Log(F)=B5+B6log(I)+w 检验B61 E(log(F))=0.43+0.87log(I) * 基础知识 * 收入低的样本，噪音更小 基础知识 例子2告诉我们： 函数形式 如何检验经济学假设 随机项的结构 好的估计量取决于随机项的性质 样本如何产生的 * * 有关的参考资料与常用软件 经济计量学的主要刊物 Econometrica*, 双月刊，美国经济计量学会主办，1933年创刊。 Journal of Econometrics*, 双月刊，瑞士出版，1973年创刊。 Journal of Applied Econometrics*，双月刊，美国John WileySons 出版社，1986年创刊。 Econometric