單方程模型的高級問題-免費(fèi)閱讀
【正文】 :38:4706:38:47February 11, 2023 ? 1意志堅強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 2023年 2月 上午 6時 38分 :38February 11, 2023 ? 1少年十五二十時，步行奪得胡馬騎。 上午 6時 38分 47秒 上午 6時 38分 06:38: ? 沒有失敗，只有暫時停止成功！。 06:38:4706:38:4706:382/11/2023 6:38:47 AM ? 1以我獨(dú)沈久，愧君相見頻。 ? 如果添加的限制條件引起的誤差平方和增加的不顯著，就認(rèn)為添加的限制條件合適，采用第一種方法 (可以融合回歸 )；如果誤差平方和的變化過大，我們就選擇固定效應(yīng)模型。如果每個截面都是不同的模型，那么融合就不合適了。 ? 另一方面，平行數(shù)據(jù)的使用也使模型的確認(rèn)變得更加困難。 但在 2階滯后時，檢驗的模型存在 1階自相關(guān)性。注：在大樣本中有效，估計回歸方程。因此），只取兩個值，而OLSuXuYXuYuXYuYiiiiiiiiiiii212121011(?????????????????(1)隨機(jī)項非正態(tài)性 (2)異方差 概率 總和 1 iu iX21 ?? ?? iX211 ?? ?? iP?1iP 異方差因此不同，的取值不同，所以對不同的樣本點(diǎn)，iiiiiiiiiiiiiiiiiiiiuPXPPXXXXXXPXPXuEuEuEuEu)1()1)(()()1()1()()()1()1()()0)(()()]([)var(2121212212122122122122???????????????????????????????????????????異方差的處理 ? 隨機(jī)項異方差， OLS估計量線性無偏但不是有效的 ? 用加權(quán)最小二乘法（ WLS）處理 ? 方程兩邊同時除以 )1( ii PP ?(3)值域問題 ? 問題：條件期望的值可能超出 [0,1]區(qū)間，這是線性概率模型的嚴(yán)重缺點(diǎn) ? 處理： ? 大于 1的當(dāng)作 1，小于 0的當(dāng)作 0 ? 采用 Logit 或 Probit模型 (4)擬合優(yōu)度問題 ? 線性概率模型的擬合優(yōu)度一般不高，在 間 1Y? X0 受約束)(b1Y? X0 無約束)(aLPM LPM 對于受約束的 LPM(b)一般 不會大，大多數(shù)實例 ),(2 ?R2R二 .Logit模型 ? 思路：出于線性概率模型的缺陷，希望對它進(jìn)行變換，使預(yù)測對于所有的 X都落在（ 0,1）之間 1P0 X基本思路 ? 隨著 X增加，因變量增加（或減少），因此用一個累計概率函數(shù) F來描述 ? 可有多種累計概率函數(shù)，得出不同的模型，一般只采用兩種： ? 累計 logistic概率函數(shù) —— Logit模型 ? 累計正態(tài)概率函數(shù) —— Probit模型 )( ii XFP ?? ??）？系（問：如何估計非線性關(guān)。 ? 常見模型： ? 線性概率模型（ LPM） ? 對數(shù)單位模型（ Logit Model） ? 概率單位模型（ Probit Model） 一 .線性概率模型 表示家庭收入，沒有住房，如果擁有住房其中，為以下形式：以一元模型為例，iiiiXYuXYLPM???????0121??與一般線性模型相比， Y不再服從正態(tài)分布，而是一個二項分布 )|1())|1(1(0)|1(1)|()|1(1)|1(21iiiiiiiiiiiiiiXYPXYPXYPXXYEXYPXYPX???????????????條件期望：－是則不擁有住房的概率就率為家庭擁有住房的條件概記收入為的概率而是因變量取是因變量的期望值，模型擬合的事實上不因此對1iX線性概率模型的問題 點(diǎn)估計仍然是無偏的。這時會遇到一些，還需要知道對數(shù)值除了解釋變量的數(shù)據(jù)外為了估計模型模型的估計、0,1)1ln(221???????iiiiiiiiPPLuXPPLLogi t??iii NnP ??率這時考慮用頻率代替概 (收入等于 的家庭個數(shù)） （其中擁有住房的家庭數(shù)） 6 40 8 8 50 12 10 60 18 … … … 40 25 20 iXiN iX in iii NnP ??。 ? 因此，一般而言，常進(jìn)行不同滯后期長度的檢驗，以檢驗?zāi)Ｐ椭须S機(jī)誤差項不存在序列相關(guān)的滯后期長度來選取滯后期。 ? 只采用時間變量作為解釋變量的模型稱為增長曲線模型 ? 引入時間變量只是為了更好地解釋被解釋變量，但 時間并不是經(jīng)濟(jì)活動變化的原因，因此本屆討論的都是非因果關(guān)系模型 ? t的取值： ? t=1980， 1981， 1982， …… ? t =1， 2， 3， …… ? t =…… 3， 2， 1， 0， 1， 2， 3， ……( n為奇數(shù) ) ? t =…… ， 5， 3， 1， 1， 3， 5， ……( n為偶數(shù) ) 常見增長曲線模型 ? 多項式增長曲線模型 ? 簡單指數(shù)型增長曲線模型 ? 修正指數(shù)型增長曲線模型 ? 邏輯增長曲線模型 ? 龔珀茲增長曲線模型 kkt ttty ???? ????? ?2210tt aby ? tt abky ??邏輯 (Logistic)增長曲線 ? 由 Verlulst于 1845年提出，用于模擬人口增長，俗稱“ S曲線” ? 一般形式： ? 常見的簡化形式（狹義邏輯增長曲線模型）： )(1 tt eKy??? btt aeKy ??? 1邏輯 (Logistic)增長曲線 y?增長率 y數(shù)量t時間 K 龔珀茲 (Gompertz)曲線 ? 由 1825年提出 ? 上限逼近值 K，下限逼近值 0，與邏輯增長曲線相似，但二者的拐點(diǎn)位置不同 btt Kay ?含趨勢變量的一般模型 ? 一個例子：研究我國資本外逃對經(jīng)濟(jì)增長的影響，建立如下模型（賀力平等， 2023）： ? CF是資本外逃量，時間變量 t用來概括影響實際 GDP的一般因素 ttt utCFGDP ???? 210 ??? 面板數(shù)據(jù) ? Panel Data，翻譯為面板數(shù)據(jù)或平行數(shù)據(jù)，是指包含若干個體在一個時間區(qū)域內(nèi) (若干時點(diǎn) )的樣本。 一 .融合方法 (普通最小二乘法 ) ? 對前述面板數(shù)據(jù)模型，如果誤差項滿足古典線性模型假設(shè)，我們可以對截面數(shù)據(jù)逐個回歸，比如對于 t=1： 共有 T個這樣的模型。01 ??????? 是否添加虛擬變量可以通過統(tǒng)計的假設(shè)檢驗決定。,(,),。 。 :38:4706:38:47Fe
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1