选择函数形式.pptxVIP

会计学;目 录;6.2 尺度与测量单位;假使在GPDI和GDP的回归中某一研究者使用以10亿美元计的数据，而另一研究者使用以百万美元的同样变量的数据。这两种情形的回归结果是否会是一样的？ 为了回答Y和X的测量单位是否会造成回归结果的任何差异这个问题，我们令： 其中Y=GPDI，X=GDP。定义： 其中w1 和w2 为常数，称为尺度因子(scale factors)，w1 和w2 可以相等或相异。 如果Y 和X 是以10亿美元度量的而现在改用百万美元去表示，则有;现考虑使用如下回归： 其中 我们要找出以下每组变量之间的关系式：;把OLS法应用于新的回归我们得到： 容易证明：;由此可以看出，当尺度因子相同时，即 时， 斜率系数及其标准差不受尺度从 变到 的影响。 截距及其标准差放大或缩小了w1 倍。 若X尺度不变（即w2 =1），而Y的尺度按因子w1 改变，则斜率和截距系数以及各自的标准差都要乘以因子w1 。 若Y尺度不变（即w1 =1），而X尺度按因子w2 改变，则斜率系数及其标准误要乘以因子1/ w2 ，截距系数及其标准差不变。;一个数值例子：1988-1997年美国GPDI与GDP的关系;一个数值例子：1988-1997年美国GPDI与GDP的关系;为结果的解释进一言;6.3 标准化变量的回归;标准化变量的一个有趣特征是，其均值总是0，标准差总是1. 注：样本方差自由度为n-1，因为样本中如果知道了均值，那么只需要知道其他n-1个数就可以把样本中每个数都确定了。;于是我们对标准化变量做回归： 由于对标准化的回归子和回归元做回归，所以截距项总是零。（截距=因变量的均值-斜率*回归元的均值，对标准化变量而言，因变量和回归元的均值都是零。） （6.3.5）是一个过原点的回归。 标准化变量的回归系数（ 、 表示）被称为β系数。 如何解释β系数呢？ 其解释是，如果标准化回归元增加一个单位的标准差，则标准化回归子平均增加 单位个标准差（标准化变量的标准差为1）。与传统模型不同，我们度量的变量影响用标准差为单位。;回到上一例： 其中GPDI和GDP以10亿美元计。 标准化变量的回归结果为： 解???（6.3.6）：若GDP提高1美元，则GPDI平均提高0.3美元. 解释（6.3.7）：若GDP增加一个标准差，则GPDI平均约增加0.94个标准差。;标准化回归模型与传统模型相比有什么优势？ 1. 若不止一个回归，我们就能将它们放在同等地位直接进行比较。 2. 可以用β系数作为各个回归元相对解释力的一种度量。如果一个标准化回归元的系数比模型中另一个标准化回归元的系数大，那么前者就能比后者更多的解释回归子。 注意：传统模型的β系数与这里的β系数之间存在关系，在双变量情形中，这种关系如下： 因此，若知道回归元和回归子的样本标准差，则可以将两个β系数相互转换。;6.4 回归模型的函数形式;6.5 怎样测度弹性：对数线性模型;如果经典线性回归模型的假定均得到满足，则可用OLS法估计（6.5.3）中的参数。令 其中 ， 。所得的OLS估计量 和 将分别是α和β2 的最优线性无偏估计量。 对数-对数模型一个使它普通应用的特点，是斜率系数β2 测度了Ｙ对Ｘ的弹性，也就是由给定的Ｘ的百分比的变化引起的Ｙ的百分比的变化。 比如说，Ｙ代表对某一商品的需求量，Ｘ代表其单位价格，则β2 测度了需求的价格弹性。如图： 图6.3(a)给出了需求量与价格的关系，6.3（b)给出了价格弹性（- β2 ）的估计。;图６.３　不变弹性模型;对数线性模型的特点;例：耐用品支出与个人消费总支出之间的关系;运用@定义变量： series lnexdur=@log(expdur)series lnpcex=@log(pcexp);回归结果如下： 其中*表示p值极小。 如结果所示，EXDUR对PECX的弹性约为1.90 这表明，若个人消费支出提高1%，耐用品支出则提高约为1.9%。 因此，耐用品支出很容易受到个人消费支出变动的影响。这就是耐用品生产者总是关注个人收入和个人消费支出变动的原因之一。;6.6 半对数模型：线性到对数与对数到线性模型;加一个干扰项得： 此模型和任何其他线性模型一样，也是对参数为线性的。唯一的区别，在于回归子是Y的对数而回归元是取值为1、2、3等的“时间”。 此模型称为半对数模型（semilog model）,因为只有一个变量以对数形式出现。为