5微观计量经济学模型.ppt

1、不平均分布检验（Overdispersion） 泊松模型假定被解释变量的均值等于方差，这是一个非常强的假设，许多学者对此提出质疑，并且发展了一些新的方法放松这一假设。 首先介绍该假设条件是否成立的检验。 基于回归的检验方法 Cameron和Trivedi在1990年提出 λi是由泊松模型得出的被解释变量的预测值 拉格朗日乘子检验法 基本思想也是放松泊松模型中均值等于方程的假设。 泊松分布是负二项分布的一种特殊情况，当对负二项分布的某个参数加以一定的限制条件后，就能够得到泊松分布。 在一般情况下，如果一个模型是在对另一个替代模型的参数加以限制的条件下得到的，那么就可以得到LM统计量。 wi的值取决于替代模型的分布函数。对负二项分布模型来说，这个权重为1。 2、负二项分布模型（Negative Binomial Regression Model） 由于泊松模型假定被解释变量的均值等于方差，人们提出了许多替代该模型的方法。其中应用得较多的是负二项分布模型。 Cameron和Trivedi在1986年提出负二项分布的一种形式。 引入无法观察的随机影响来使泊松模型一般化 被解释变量的条件分布 被解释变量的分布 该分布是负二项分布的一种形式。 其条件均值为λi，条件方差为λi（1+1/θ）λi）。 由概率密度可以求得最大似然函数，再通过迭代法求出参数估计。 对于负二项分布假设可以用Wald或者LR统计量进行检验。 负二项分布回归模型 ACCIDENTS = @EXP(1.520444133*TYPEA + 2.270100317*TYPEB + 0.4581374106*TYPEC + 0.6449816375*TYPED + 1.358883951*TYPEE - 0.8616385402*YEAR60 + 0.2032389361*YEAR65 + 0.9661619692*YEAR70 - 0.7020010667*YEAROP60 + 7.402025976e-05*SERVMONTH) 拟合效果没有明显改善 3、零变换泊松模型（Hurdle and Zero-Altered Possion Models） 在某些情况下，被解释变量为零值的产生过程与它取正值的过程差异很大。于是就有人提出了零变换泊松模型来描述这个事实。 Mullahey(1986)最先提出了一个Hurdle模型，用白努利分布来描述被解释变量分别为零值和正值的概率。 改变了被解释变量取零值的概率，但是所有取值的概率之和保持为1 Mullahey(1986)，Lambert(1992)等人还分析了在hurdle模型的一种扩展情况，即假定被解释变量的零值产生于两个区域（regime）中的一个。在一个区域里，被解释变量总是零，而另一个区域里，被解释变量的取值符合泊松过程，既可能产生零，也可能产生其他数值。 如Lambert对给定时间段内生产的次品数量建立的模型，在生产过程得到控制的情形下，次品产出为零，而生产过程不受控制时，产生的次品数量服从泊松分布，既可能为零，也可能不为零。 模型形式如下： 如果用z表示白努利分布的两种情况，事件发生在区域1时令z=0，发生在区域2时令z=1，并用y*表示区域2内被解释变量服从的泊松过程，则所有观察值都可以表示为z× y* 。 于是这个分离模型可表示为（式中F为设定的分布函数）： Lambert（1992）和Greene（1994）考虑了许多方法，其中包括应用logit和probit模型描述两个区域各自的发生概率。 这些修正的方法都改变了泊松过程，即均值和方差不再相等。 关于分离模型的进一步探讨比较复杂，参考Greene的教科书和相关文献。 §4 受限被解释变量数据模型——选择性样本 Model with Limited Dependent Variable ——Selective Samples Model 一、经济生活中的受限被解释变量问题 二、“截断”问题的计量经济学模型 三、“归并”问题的计量经济学模型 一、经济生活中的受限被解释变量问题 1、“截断”（truncation）问题 由于条件限制，样本不能随机抽取，即不能从全部个体，而只能从一部分个体中随机抽取被解释变量的样本观测值，而这部分个体的观测值都大于或者小于某个确定值。 “掐头”或者“去尾”。 消费函数例题：被解释变量最底200元、最高10000元。原因：抽样。 离散选择模型的例题：银行贷款，实际上是选择性样本，通常表现为“截断样本”。原因：问题的局限。 能够获得贷款的企业是全部有贷款需求的企业中表现良好的一部分 类似的实际问题很多