描述性分析与不平等的度量方法.docVIP

经济计量方法与Stata应用讲义1 1?描述性分析与不平等的度量方法 孙志军 北京师范大学经济与工商管理学院 本章使用数据文件为 教育与工资l.dta 2005年广东省人口抽样数据.dta 农村家庭收入数据（甘肃2004） .dta CHNS数据2004、2006年成人调查问卷有关数据。 经济学的经验分析（Empirical Analysis）方法通常分为描述性分析和回归分析。描述性 分析常用的方式是考察变量的分布特征，计算集中趋势（如平均值、中位数）和离散趋势（如 方差、变异系数）等。它通常有两个作用，一个是在统计推断或因果分析Z前，发现、界定 或详细讨论要研究的问题；另一个是验证假说。冋归分析即是计量经济学小核心内容，可以 说，回归分析和经济理论的结合就构成了计量经济学。它有两个基本特征，第一，回归模型 （或称为经验模型）的建立要依赖经济理论，考虑一个简单回归模型y = a+bx + u,如果 是单纯的回归分析，则我们只要搜集到自变量x和因变量y的一个样本数据，就可以估计出 参数a和b来。在计量经济学中，则首先要对x和y之间的关系的逻辑关系给出经济理论的 解释，或者通过理论推导出上述回归模型来，而不是单纯的x和yZ间的数据关系，这也就 是我们在许多计量经济学文献中看到的，将回归模型称为结构模型（Structure Model）的原 因。第二，上述特征决定了计量经济学中的回归分析的作用是进行因果推断，即考察x和y 之间的因果关系，这也正是经济理论的要求。回归分析在本书或其他计量经济学教材中是主 要内容，本章只通过儿个例子说明描述性分析的特征和用处。 1.1主要概念与简单描述性分析 1-1.1变量与数据 所谓变量（variable）是指其值会变动、变化的量，与此相对的概念是常量或常数 （constant）o变竝的测量值或观察值则称为变量值，一个或多个变量及其测量值就构成了数 据。了解变量和数据是从事计量经济分析要做的初步工作。 变量的类型 变量包括定性变量和定量变量两类，在处理资料之前，首先要分清变量类型。 观察下表中列出的变量及其取值，看看有什么区别？ 表1.1变量的层次 变量 变量的可能取值 性别 男；女 风险厌恶程度 非常厌恶、一般、不厌恶 子女数目 1个；2个；3个 收入 100 元；150 元；200 元；... 定性变量又包括类别变量和有序变量两类。 表1.1中“性别”这一变量，取值只有两类男或女。像这样的变量就被称为类别变量。 它的取值只有类别属性Z分，而无大小、程度Z分。根据变暈值，只能知道研究对象是相同 或是不同。如性别、婚姻、民族、专业、职业等等。从数学运算特性来看，类别变量只具有 等于或不等于的性质。 表1.1中“风险厌恶程度”变量的取值有程度或大小之分，或者有等级、次序差别。像 这样的变量就称为有序变量。当然，这类变量也有类别屈性，因而它的层次耍高于类别变量。 其数学运算性质除具有等于或不等于外，还有大于或小于Z分。常见的有序变量还有教育程 度（文盲、小学、初中、高中、大学）、社会经济地位（上等、中等、下等）、积极性（很积 极、一般、不积极）等等。 表1.1中“子女数目”和“收入”这两个变量的值是有度量单位的数值，这些数值有大 小之分，可以进行加减乘除，在进行加减乘除的数学运算后也具有实际的意义，比如200 元除以100元等于2,表示前者是后者的2倍。像这样的变量称为定量变量、数值变量等。 大多数数值变量都是连续性变量。 在经验分析中，对于定性变量可以根据其类别或等级赋予数值，比如性别变量，可以 赋予男性=1,女性=0；态度变量非常厌恶=0, --般=1,不厌恶=2。对这些变量赋予 的数值，并没有实际的含义，只是代表某种类别或等级。之所以这样做，是为了在分析中更 为方便的缘故。这也是定性变暈和定类变暈在操作层面的主要区别。在回归分析屮，定性变 量则已一个虚拟（dummy）变量系列表示（详见后面的“基本线性模型”内容）。 数据的层次、类型与结构 经济研究所用的数据包括了三个维度层次、类型和结构。 （1） 数据层次 数据的层次分为两类微观数据和宏观数据（micro and macro data）。微观数据是指个 体层面的数据，如本章下面所用的个体抽样调查数据就是微观层面的数据。宏观数据是指由 个体数据汇总而出的数据，比如按照省份汇总每个人的教育水平、收入，就得到一个省级层 面的宏观数据，像笫一章的各省经济、投资等数据也是一个宏观层面的数据。由于微观数据 在经济研究中的应用越来越广泛，计量经济学也出现一个以微观计量经济分析命名的分支学 科。 （2） 数据类型 数据类型包括调查数据（survey data）＞社会实验数据（data from Social Experiments） 和自然实验数据（Data fr