统计建模与R软件-第一讲-(2018).ppt

4. 模型构建 ? ? 第一步：探索性分析。利用图形（例如散点 图）、各种统计量（均值、标准差、最大值、 最小值、负值等）、或者稍微复杂的探索方法 来查看数据的关联性、线性性、异方差性、多 重共线性、聚类特征、分布形状等。 第二步：寻找适合的模型，例如，统计模型、 计量经济模型、时间序列模型、多元统计分析。 当 代 计 量 经 济 模 型 体 系 单位根检验 ARIMA（时间序列）模型 SARIMA（季节时间序列）模型 PANEL（面板数据）模型、空间计量模型 DS（离散选择）模型、有序响应、计数模型 LDV（受限因变量）模型（删失、截断模型） 线性时间序列 时 间 序 列 模 型 回 归 模 型 单 序 列 模 型 向 量 序 列 模 型 时间序列的加法、乘法模型，X12 季节调整 组合模型 截面数据回归 蒙特卡罗模拟技术 非线性时间序列 波动模型 单位根检验 时间序列回归 GAR（广义自回归）、BL（双线性）模型 TAR、STAR（门限自回归、平滑转移）模型 ARCH、GARCH（自回归条件异方差）模型 SV（随机波动）模型 ACD、SCD（自回归、随机条件久期）模型 研究 VAR、VEC（向量自回归、误差修正）模型 单方程（线性、可线性化非线性）回归模型 联立方程模型（结构、简化型、递归模型） 分位数回归模型 单位根检验 ? ? ? ? 各种统计方法层出不穷，学习永无止境，怎么 办？ （基本思想） 针对不同类型的数据，如何选取合适的模型？ 遇到没学过的模型，怎么办？ （基本类型） 谷歌和百度！论坛或者QQ群！ 5.模型估计 不同的模型有不同的估计方法和检验方法。常见 的模型估计方法包括： ? 最小二乘（OLS）法 ? 极大似然估计（MLE）法 ? 广义矩（GMM）法 ? 分位数回归方法 ? 贝叶斯方法 （与经验的结合） 6.模型检验 各种检验准则： ? ? ? ? 经济意义检验：定性检验 统计学检验：t检验、F检验、拟合优度检验 计量经济学检验：异方差、自相关、多重共线 性等检验 预测精度检验 比较模型的标准 ? ? 算法模型——交叉验证(cross validation)：拿一 部分数据作为训练集(training set)，得到模型， 再用另一部分数据(称为测试集，testing set)来看 误差是多少。有时需要进行k折交叉验证(k-fold cross validation)，即把数据分成k份，每次拿k- 1份作为训练集，用剩下的一份作为测试集，重 复k次，得到k个误差作出平均，以避免仅用一 个测试集可能出现的偏差。 显然，交叉验证的方法也适用于传统模型之间 或者在传统模型和算法模型之间的比较。 ? ? ? 选择模型不是最终目的，最终目的是解释模型 所产生的结果，而结果必须是应用领域的结果， 必须有实际意义。 仅仅用统计术语说某个模型较好、某个变量显 著之类的话是不够的。 例如，恩格尔定律、边际消费倾向。 7.结果分析 三、常用统计建模软件 ? ? 统计软件的种类很多。有些功能齐全，有些价 格便宜；有些容易操作，有些需要更多的实践 才能掌握。还有些是专门的软件，只处理某一 类统计问题。网上可以获得的统计或者计量软 件起码有多达几百种。面对太多的选择往往给 决策带来困难。这里介绍最常见的几种。 SPSS、EXCEL、SAS、Eviews、R语言、 Matlab、Statistics,…… 统计软件 统计软件的种类很多。差异较大： ? 功能是否齐全？ ? 价格是否便宜？是否开源？ ? 是否容易操作？ ? 软件是否太大？ ? 是否专门性软件？只处理某一类统计问题。 面对太多的选择往往给决策带来困难。这里介 绍最常见的几种。 统计软件——Excel ? ? ? 严格说来并不是统计软件，但作为数据表格软 件，必然有一定统计计算功能。而且凡是有 Microsoft Office 的 计 算 机 ， 基 本 上 都 装 有 Excel。 注意：有时在装Office时没有装数据分析的功 能，那就必须装了才行。当然，画图功能是都 具备的。 对于简单分析，Excel 还算方便，但随着问题 的深入，Excel 就不那么“傻瓜”，需要使用 函数，甚至根本没有相应的方法了。 统计软件——S-plus ? ? ?