经济分析与统计理论.pptVIP

经济分析与统计理论 经济学所属的社会科学与自然科学有质的差别。其一体现在研究对象上：社会科学研究的是人自身的社会行为，而不是其它外在物的行为。因此社会科学研究者自身也是被研究对象。另外，人的社会行为规范会随社会的变迁而变化，这些都使经济管理学科显著区别于物理学、化学等自然科学学科。 第一页，共二十一页。 科学试验上的差别：无论是进行社会试验或进行实验室式的试验，在经济管理学中都是十分困难的。现有的大部分经济数据都属非试验性数据。此类数据具有的特征是非试验性、异质性和相互关联性。 第二页，共二十一页。 概率论在经济分析中的应用 如果生成经济数据过程的理论结构全部已知（包括所有理论参数的值），举例来说，如独立投掷一个各面标有数字{1，2，3，4，5，6}的均质六面体，其各面朝上的概率均是已知的，为1/6，这种情形被描述为数据生成过程完全先验已知的情形，我们就直接能用概率论的方法。 第三页，共二十一页。 估计理论的应用 如果数据生成过程不是完全先验已知的，这相应于独立投掷一个各面都标有数字{1，2，3，4，5，6}的六面体，与上面情形不同之处在于我们不知道六面体是否具有标准均质的结构。在这种情形下常规做法是做大量独立试验对未知的概率特征进行推断。应用工具为数理统计学中的估计理论。 第四页，共二十一页。 建模理论及应用 如果我们只知道试验结果来自掷一个各面都标有数字的多面体，我们需要根据试验结果推断出数字{6}的概率分布结构。根据已知信息要解决这个问题是相当困难的，这是因为我们面临多种可能性，如多面体不是通常的六面体、标有数字6的面可能不止一个，多面体可能不是均质的，投掷方法不是独立的等等。据试验结果对上述可能性择取决断，属于不同模型枷说的择取问题。这类建模问题才是实际中最常碰到的问题。 第五页，共二十一页。 预测理论 所谓经济预测，指在数据生成过程未知的条件下根据样本信息对样本以外的可能结果做出某种推断。这相当于上面的例子中，预测下次投掷出现{6}的概率。这相当于对目前已是风薄弱的应用模型提出了更高的要求。 第六页，共二十一页。 统计方法的大致分类 观测数据来源 横贯数据 纵贯数据 分析模型的属性 因果模型 相依模型 变量测度等级 测量型数据 非测量型数据 第七页，共二十一页。 社会科学常用统计方法简介 在上面关于统计方法的分类只是大致的，比如在经济学中，结合时间序列和横截面两者的数据是常见的。一些实证研究已经同时分析了若干企业、洲或行业的时间序列数据，这些数据（panel data)提供了经济生活的一个丰富的信息来源。但在这种条件下建模要求相当复杂的随机理论知识。 第八页，共二十一页。 多元线性回归 多元回归应用于单方程模型，其因变量必须为测量型变量，其自变量可以为测量型变量或虚拟变量。研究目的是通过模型分析，检查自变量对与因变量的作用方向、作用强度和解释能力。多元回归分析得到的回归系数表示在控制其它自变量的条件下每个自变量对于因变量单独的净作用。 第九页，共二十一页。 通径分析和结构方程模型 如果变量之间有多层因果关系，便可以由多个有内在联系的多元回归方程组成一套通径分析联立方程组，每个方程都通过多元回归求解系数，然后应用通径分析分解变量之间的直接作用和间接作用。如果方程组中含有不可之间观察变量，使用结构方程模型。 第十页，共二十一页。 典型相关分析 典型相关分析是近年来开始普及的一种新型多元统计分析方法。当研究人员面临两组多变量数据并希望研究两组变量之间的关系时，可用该方法。例如，研究个人及其家庭的社会经济状况与本人在某些方面的联系，其中社会经济状况可以是多方面的，本人的表现也可以从多各方面来测量。 第十一页，共二十一页。 Logistic回归和logit模型 当因变量为二分类变量且自变量为测量型变量和虚拟变量时，不能采用多元回归，而应该使用logistic回归。Logit 模型是对数线性模型的一种特例。它不同于logistic回归之处在于其自变量全部是分类变量。 第十二页，共二十一页。 鉴别分析 鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息，确定分组与其它多元变量之间的数量关系，建立鉴别函数。然后便可以用这一数量关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。 第十三页，共二十一页。 因子分析 因子分析是浓缩多个测量型变量的统计分析技术。在多元统计分析中，经常碰到观测变量很多且变量之间存在着较强的相关关系的情形，这不仅给问题的分析和描述带来一定的困难，而且在使用某些统计方法时会出现问题，因子分析浓缩这些观测变量，使之变为正交的且数量大大减少携带原有大部分信息的几个变量。 第十四页，共二十一