非典型回归模型及其应用讲诉(1).pptVIP

例，分析某种教学方法对成绩的有效性。因变量（GRADE）代表在接受新教学方法后成绩是否改善，如果改善为1，未改善为0。解释变量（PSI）代表是否接受新教学方法，如果接受为1，不接受为0。还有对新教学方法量度的其他解释变量：平均分数（GPA）和测验得分（TUCE），来分析新的教学方法的效果。 估计输出结果如下： 参数估计结果的上半部分包含与一般的回归结果类似的基本信息，标题包含关于估计方法（ML表示极大似然估计）和估计中所使用的样本的基本信息，也包括达到收敛要求的迭代次数。和计算系数协方差矩阵所使用方法的信息。在其下面显示的是系数的估计、渐近的标准误差、z-统计量和相应的概率值及各种有关统计量。 计算结果为 z = (-2.93) (2.34) (0.62) (2.39) 利用上式Probit模型的系数，可按如下公式给出新教学法对学习成绩影响的概率， 当PSI = 0时： 当PSI = 1时： 式中测验得分TUCE取均值(21.938)，平均分数GPA是按从小到大重新排序后的序列。 图 新教学法对学习成绩影响的概率 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * 如果使用列表法或有等号的表达式法说明方程，EViews会把矩条件理解为工具变量和方程残差之间的正交条件。如果用没有等号的表达式，EViews会正交化表达式和工具变量。 例，方程说明： y c x 工具变量： c z w 正交条件为： 如果方程说明为： c(1)*log (y)+x^c(2) 工具变量表： c z z(-1) 则正交条件为： 例，美国的1959：1～1999：4的宏观经济数据，GDP、消费CS、利率R、政府支出GOV、货币供应量M1、趋势变量TIME，利用GMM方法计算消费方程： 第三节 面板数据（panel data）模型 一、面板数据模型及其优点 “面板数据”(Panel Data)，是用来描述对某横截面单位集合所进行的跨时多重观察。这种多重观察既包括对样本单位在某一时期（时点）上多个特性进行观察，也包括对该样本单位的这些特性在一段时间的连续观察，连续观察所得到的数据集被称为面板数据。 面板数据分析方法相对于横截面数据分析方法和时间序列分析方法，其优势主要在以下几点： 第一，能够更准确地估计模型参数； 第二，相对单纯的横截面数据分析方法和时间序列分析方法，面板数据能更准确的捕捉人的复杂行为； 第三，面板数据的计算和统计推论更简单。 二、面板数据的估计模型 面板数据估计模型分为静态模型和动态模型。静态模型可分为变截距和变系数两种模型，这两种又可再分别细分为固定效应和随机效应两类。动态模型则更为复杂，进一步考虑了时间上的滞后等情况。 (一)静态模型 1、基本原理 面板数据模型同时考虑截面因素和时间因素，它的基本方程形式为： 其中，yit是因变量， 是解释变量(k个解释变量)， ?=(?1,?2,...,?k)是k维参数向量， t = 1,2, … ,T ,表示时间；i = 1,2, … ,N, 表示横截面（属性）。共有T?N个方程组成。 面板数据（panel data）模型 为了更简洁的表达这个模型，我们记 则模型可以改写为一个简洁的形式 i=1,2,...,N 再设 则模型可改为 y=X?+? 一般设?it=?i+?it ?i表示截距项；?it?N(0,?2)，i.i.d.是随机误差项 当?i为常数，则y=X?+?称为固定效应模型； 当?i为随机变量，则y=X?+?称为随机效应模型； 当?为随机变量，则y=X?+?称为变系数模型 面板数据（panel data）模型 由 和 的不同，可以把模型分成以下三大类 (1)无个体影响不变系数模型 这个模型中 为一个不变的常数，对任何i。 也是一个不变的参数向量。 这实际上是将各个体成员时间序列上的数据堆在