【正文】 因?yàn)? 1211211111 )()()(????????????????????DDDDDΩDDμμDDμμDμμ **??EEEI2??**1*** )(? YXXXβ ??? ?YWXXWXYDDXXDDX11111111)()(???????????????? 這就是原模型 Y=X?+?的 加權(quán)最小二乘估計(jì)量 ，是無(wú)偏、有效的估計(jì)量。 如果存在異方差性 ， 則表明確與解釋變量的某種組合有顯著的相關(guān)性 ， 這時(shí)往往顯示出有較高的可決系數(shù)以及某一參數(shù)的 t檢驗(yàn)值較大 。 3. 戈德菲爾德 匡特 (GoldfeldQuandt)檢驗(yàn) GQ檢驗(yàn)以 F檢驗(yàn)為基礎(chǔ)，適用于樣本容量較大、異方差遞增或遞減的情況。 四、異方差性的后果 計(jì)量經(jīng)濟(jì)學(xué)模型一旦出現(xiàn)異方差性，如果仍采用 OLS估計(jì)模型參數(shù)，會(huì)產(chǎn)生下列不良后果： 1. 參數(shù)估計(jì)量非有效 OLS估計(jì)量 仍然具有 無(wú)偏性 ，但 不具有 有效性 因?yàn)樵谟行宰C明中利用了 E(??’)=?2I 而且，在大樣本情況下，盡管參數(shù)估計(jì)量 具有 一致性 ，但仍然 不具有 漸近有效性 。 一、異方差的概念 二、異方差的類型 同方差 ： ?i2 = 常數(shù) ? f(Xi) 異方差 ： ?i2 = f(Xi) 異方差一般可歸結(jié)為 三種類型 ： (1)單調(diào)遞增型 ： ?i2隨 X的增大而增大 (2)單調(diào)遞減型 ： ?i2隨 X的增大而減小 (3)復(fù) 雜 型 ： ?i2與 X的變化呈復(fù)雜形式 三、實(shí)際經(jīng)濟(jì)問(wèn)題中的異方差性 例 ：截面資料下研究居民家庭的儲(chǔ)蓄行為 : Yi=?0+?1Xi+?i Yi:第 i個(gè)家庭的儲(chǔ)蓄額 Xi:第 i個(gè)家庭的可支配收入。 統(tǒng)計(jì)表 統(tǒng)計(jì)表的設(shè)計(jì) (比較與選用 ) 統(tǒng)計(jì)表的設(shè)計(jì) (比較與選用 ) 統(tǒng)計(jì)表的設(shè)計(jì) (比較與選用 ) 本章小結(jié) 1. 數(shù)據(jù)預(yù)處理的內(nèi)容和目的 2. 分類和順序數(shù)據(jù)的整理與顯示方法 3. 數(shù)值型數(shù)據(jù)的整理與顯示方法 4. 合理使用統(tǒng)計(jì)表 5. 用 R作 頻數(shù)分布表和圖形 對(duì)公司雇員數(shù)據(jù) ， 分析不同性別、民族之間的收入增長(zhǎng)（目前工資與起始工資差）差異；作出交叉頻數(shù)分布表；作出 多批數(shù)據(jù)箱線圖；寫出分析報(bào)告 。 時(shí)間序列數(shù)據(jù) —線圖 (line plot) ? 繪制線圖時(shí)應(yīng)注意以下幾點(diǎn) 1. 時(shí)間一般繪在橫軸 ， 指標(biāo)數(shù)據(jù)繪在縱軸 2. 圖形的長(zhǎng)寬比例要適當(dāng) ， 其長(zhǎng)寬比例大致為 10： 7 3. 一般情況下 ， 縱軸數(shù)據(jù)下端應(yīng)從 “ 0”開始 ，以便于比較 。split(ma, col(ma))。 nn 100。 returns a vector for which 39。 is a list of vectors containing the values for the groups. The ponents of the list are named by the _used_ factor levels given by 39。 a warning is printed. 39。 are generic functions with default and 39。 is a 39。 into the groups defined by 39。 ? boxplot(split(Edata$SALARY,list(Edata$JOBCAT,Edata$GENDER)),col = lightgray)。GENDER39。 ? boxplot(Edata$SALARY, data = Edata, col = lightgray)。 甲城市家庭對(duì)住房狀況評(píng)價(jià)的頻數(shù)分布 回答類別 甲城市 戶數(shù) (戶 ) 百分比 (%) 向上累積 向下累積 戶數(shù) (戶 ) 百分比 (%) 戶數(shù) (戶 ) 百分比 (%) 非常不滿意 不滿意 一般 滿意 非常滿意 24 108 93 45 30 8 36 31 15 10 24 132 225 270 300 300 276 168 75 30 92 56 25 10 合計(jì) 300 — — — — 順序數(shù)據(jù)的頻數(shù)分布表 (例題分析 ) 乙城市家庭對(duì)住房狀況評(píng)價(jià)的頻數(shù)分布 回答類別 乙城市 戶數(shù) (戶 ) 百分比 (%) 向上累積 向下累積 戶數(shù) (戶 ) 百分比 (%) 戶數(shù) (戶 ) 百分比 (%) 非常不滿意 不滿意 一般 滿意 非常滿意 21 99 78 64 38 21 120 198 262 300 300 279 180 102 38 合計(jì) 300 — — — — 順序數(shù)據(jù)的圖示 —累計(jì)頻數(shù)分布圖 (例題分析 ) 24 300 132 225 270 0 100 200 300 400 非常 不滿意 不滿意 一般 滿意 非常 滿意 累 積 戶 數(shù) （戶） (a)向上累積 276 168 30 300 75 0 100 200 300 400 非常 不滿意 不滿意 一般 滿意 非常 滿意 累 積 戶 數(shù) （戶） (b)向下累積 甲城市家庭對(duì)住房狀況評(píng)價(jià)的累積頻數(shù)分布 環(huán)形圖 (annular chart) 1. 環(huán)形圖中間有一個(gè) “ 空洞 ” ， 總體中的每一部分?jǐn)?shù)據(jù)用環(huán)中的一段表示 2. 環(huán)形圖與圓形圖類似 ， 但又有區(qū)別 – 圓形圖只能顯示一個(gè)總體各部分所占的比例 – 環(huán)形圖則可以同時(shí)繪制多個(gè)總體的數(shù)據(jù)系列 ，每一個(gè)總體的數(shù)據(jù)系列為一個(gè)環(huán) 3. 環(huán)形圖可用于結(jié)構(gòu)比較研究 4. 環(huán)形圖主要用于展示分類和順序數(shù)據(jù) 環(huán)形圖 (例題分析 ) 8% 36% 31% 15% 7% 33% 26% 21% 13% 10% 非常不滿意 不滿意 一般 滿意 非常滿意 甲乙兩城市家庭對(duì)住房狀況的評(píng)價(jià) 分組方法 等距分組 異距分組 單變量值分組 組距分組 167。E:/R and Statistics/R Teaching/dataset/Employee 39。 分類和順序數(shù)據(jù)的整理與顯示 167。 數(shù)據(jù)的誤差 167。 數(shù)據(jù)的來(lái)源 167。 數(shù)據(jù)的誤差 抽樣誤差 (sampling error) 1. 由于抽樣的隨機(jī)性所帶來(lái)的誤差 2. 所有樣本可能的結(jié)果與總體真值之間的平均性差異 3. 影響抽樣誤差的大小的因素 – 樣本量的大小 – 總體的變異性 非抽樣誤差 (nonsampling error) 1. 相對(duì)抽樣誤差而言 2. 除抽樣誤差之外的，由于其他原因造成的樣本觀察結(jié)果與總體真值之間的差異 3. 存在于所有的調(diào)查之中 – 概率抽樣，非概率抽樣，全面性調(diào)查 4. 有抽樣框誤差、回答誤差、無(wú)回答誤差、調(diào)查員誤差、測(cè)量誤差 誤差的控制 1. 抽樣誤差可計(jì)算和控制 2. 非抽樣誤差的控制 – 調(diào)查員的挑選 – 調(diào)查員的培訓(xùn) – 督導(dǎo)員的調(diào)查專業(yè)水平 – 調(diào)查過(guò)程控制 ? 調(diào)查結(jié)果進(jìn)行檢驗(yàn)、評(píng)估 ? 現(xiàn)場(chǎng)調(diào)查人員進(jìn)行獎(jiǎng)懲的制度 統(tǒng)計(jì)數(shù)據(jù)的質(zhì)量要求 ? 1. 精 度： 最低的抽樣誤差或隨機(jī)誤差 ? 2. 準(zhǔn) 確 性： 最小的非抽樣誤差或偏差 ? 3. 關(guān) 聯(lián) 性： 滿足用戶決策 、 管理和研究的需要 ? 4. 及 時(shí) 性： 在最短的時(shí)間里取得并公布數(shù)據(jù) ? 5. 一 致 性： 保持時(shí)間序列的可比性 ? 6. 最低成本： 以最經(jīng)濟(jì)的方式取得數(shù)據(jù) 167。 調(diào)查員在某天對(duì) 50名顧客購(gòu)買飲料的品牌進(jìn)行了記錄， 如果一個(gè)顧客購(gòu)買某一品牌的飲料 ， 就將這一飲料的品牌名字記錄一次 。 ? table(Edata$JOBCAT) 經(jīng)理 保管員 服務(wù)員 84 27 363 ? table(Edata$GENDER) f m 216 258 ? table(Edata$MINORITY) Yes No 104 370 ? table(Edata$EDUC) 8 12 14 15 16 17 18 19 20 21 53 190 6 116 59 11 9 27 2 1 分類數(shù)據(jù)的圖示 —條形圖 (bar Chart) 1. 用寬度相同的條形的高度或長(zhǎng)短來(lái)表示各類別數(shù)據(jù)的圖形 2. 有單式條形圖 、 復(fù)式條形圖等形式 3. 主要用于反映分類數(shù)據(jù)的頻數(shù)分布 4. 繪制時(shí) ， 各類別可以放在縱軸 ， 稱為條形圖 ， 也可以放在橫軸 ， 稱為柱形圖 分類數(shù)據(jù)的圖示 —條形圖 (例題分析 ) 15119690481216頻數(shù)可口可樂(lè)旭日升冰茶百事可樂(lè)匯源果汁露露品牌不同品牌飲料的頻數(shù)分布例 2 對(duì)公司雇員數(shù)據(jù)，做出性別、工作類型、教育程度等條形圖。 頻數(shù)分布表的編制 (步驟 ) 1. 確定組數(shù)：根據(jù) Sturges 提出的經(jīng)驗(yàn)公式得組數(shù) K為： 2. 確定各組的組距： 組距＝ ( 237 141)247。,39。 ? boxplot(Edata$SALARY~Edata$JOBCAT, data = Edata, col = lightgray)。split39。(f)39。split39。x39。x39。x39。 Brooks/Cole. ? See Also: 39。 sapply(xg, mean) Calculate zscores by group z unsplit(lapply(split(x, g), scale), g) tapply(z, g, mean) or z x。 例 10 對(duì)某公司雇員數(shù)據(jù)，分析不同民族、工作類型之間的收入差異； 作出多批數(shù)據(jù)箱線圖 。 今天的主食是面包 2020年城鄉(xiāng)居民家庭平均每人生活消費(fèi)支出構(gòu)成 (%) 項(xiàng) 目 城鎮(zhèn)居民 農(nóng)村居民 食品 衣著 家庭設(shè)備用品及服務(wù) 醫(yī)療保健 交通通訊 娛樂(lè)教育文化服務(wù) 居住 雜項(xiàng)商品與服務(wù) 多變量數(shù)據(jù) —雷達(dá)圖 (例題分析 ) 2020年城鄉(xiāng)居民家庭人均消費(fèi)支出構(gòu)成01020304050食品衣著家庭設(shè)備用品及服務(wù)醫(yī)療保健交通通訊娛樂(lè)教育文化服務(wù)居住雜項(xiàng)商品與服務(wù)城鎮(zhèn)居民 農(nóng)村居民數(shù)據(jù)類型及圖示 (小結(jié) ) 條形圖 餅圖 環(huán)形圖匯總表品質(zhì)數(shù)據(jù)直方圖 折線圖分組數(shù)據(jù)莖葉圖 箱線圖原始數(shù)據(jù)線圖時(shí)序數(shù)據(jù)雷達(dá)圖多元數(shù)據(jù)數(shù)值型數(shù)據(jù)數(shù)據(jù)的類型頻數(shù)分布的類型 對(duì)稱分布 右偏分布 左偏分布 正 J型分布 反 J型分布 U型分布 幾種常見的頻數(shù)分布 統(tǒng)計(jì)表的結(jié)構(gòu) 1999～ 2020年城鎮(zhèn)居民家庭抽樣調(diào)查資料 項(xiàng)目 單位 1999年 2020年 調(diào)查戶數(shù) 平均每戶家庭人口 平均每戶就業(yè)人口 平均每戶就業(yè)面 平均一就業(yè)者負(fù)擔(dān)人數(shù) 平均每人全部年收入 ＃可支配收入