第一章传统观点下多元线性回归模型回顾.docVIP

PAGE PAGE 2 SKIPIF 1 0 Ch1.传统观点下的多元线性回归模型回顾 问题的提出 我们认为，要关注的结果 SKIPIF 1 0 与 SKIPIF 1 0 个因素有关， SKIPIF 1 0 。（其中 SKIPIF 1 0 是截距项，一个量纲标准化的单位指标。）例如：已婚工作妇女的工资 SKIPIF 1 0 （log wage）与工作经验（exper）、工作经验的外在性作用（ SKIPIF 1 0 ）、受教育程度（educ）、该妇女的年纪（age）、家庭少于6个孩子（kidslt6）以及家庭中孩子至少6岁以上的个数（kidage6）有关，并建立如下的模型： SKIPIF 1 0 对上述模型，我们做如下说明： 关于命题： 要关注的结果 SKIPIF 1 0 ：已婚工作妇女的工资。 影响结果的因素 SKIPIF 1 0 ：自身的经验、教育、年龄；和孩子的年龄与多少。 注：1.结果与哪些因素有关不是绝对的，例如在中国影响工资的一个重要因素是所在行业， 另外社会关系也是不可忽视的，等等。 命题与你的目的和知识相关，并且命题要求表述得越清楚越好。 关于模型： 模型是命题的数学表达，是命题的深化、细化和抽象化。从命题到模型是一个不断提炼的过程。建立一个“好”的模型，取决于我们对命题认识的深入程度和相关知识的储备。 一般而言，多元线性回归模型的基本框架是：假设 SKIPIF 1 0 与 SKIPIF 1 0 有因果关系。如果观测的数据来源是： SKIPIF 1 0 ，且存在单调连续函数，使得： SKIPIF 1 0 ， SKIPIF 1 0 ， SKIPIF 1 0 。 那么，定义多元线性回归模型： SKIPIF 1 0 。 即： SKIPIF 1 0 ，称 SKIPIF 1 0 是关于未知参数 SKIPIF 1 0 的多元线性回归模型。这里 SKIPIF 1 0 是随机误差项， SKIPIF 1 0 称为解释变量，是确定性变量。 SKIPIF 1 0 称为因变量或被解释变量。 线性模型的类型主要有： 多项式模型： SKIPIF 1 0  或 SKIPIF 1 0 例如，库兹涅茨倒U形曲线和拉弗曲线等。 对数线性模型： SKIPIF 1 0 （增长率之间存在因果关系，例如生产函数。） 倒数线性模型： SKIPIF 1 0  或 SKIPIF 1 0 （因果呈反向关系，如菲利普斯曲线） 指数线性模型： SKIPIF 1 0 （原因是影响增长率的因素，例如上例） Logit线性模型： SKIPIF 1 0 （因果呈慢，快，慢的变化趋势，并有饱和）如图： 虚拟变量（Dummy Variable）模型：解释变量 SKIPIF 1 0 中有些变量变化是“不均匀”的，观测数据在不同时段或不同地区不同行业或不同政策等之下有明显不同的特点。在散点图上，表现为某个解释变量或整体上与因变量有跳跃或转折现象。如图： 解决办法是引入虚拟变量。 设D是虚拟变量，则D描写的是一种状态，只取1或0为值。1表示受到某种因素影响，0表示没有受到影响。 例如： SKIPIF 1 0 中，截距受到影响，D对Y有整体影响。 又， SKIPIF 1 0 中， SKIPIF 1 0 的斜率受到了影响，即D对 SKIPIF 1 0 的影响导致对Y的影响，影响斜率。 例如，在上例中对已婚妇女的工资可引入行业的虚拟变量。1国有企业，0 非国有企业。 注：1。如果 SKIPIF 1 0 的影响是时间特征，则不宜采用虚拟变量。且虚拟变量不宜大量采用。 2．经过变换后的数据，参数 SKIPIF 1 0 的含义是不一样的。例如 SKIPIF 1 0 ， SKIPIF 1 0 就是增长率变化的 边际效果，又如果 SKIPIF 1 0