【正文】
2023年 2月 上午 6時 38分 :38February 11, 2023 ? 1業(yè)余生活要有意義,不要越軌。 06:38:4706:38:4706:38Saturday, February 11, 2023 ? 1知人者智,自知者明。 上午 6時 38分 47秒 上午 6時 38分 06:38: ? 楊柳散和風(fēng),青山澹吾慮。 2023年 2月 11日星期六 上午 6時 38分 47秒 06:38: ? 1楚塞三湘接,荊門九派通。 06:38:4706:38:4706:382/11/2023 6:38:47 AM ? 1成功就是日復(fù)一日那一點點小小努力的積累。 2023年 2月 上午 6時 38分 :38February 11, 2023 ? 1行動出成果,工作出財富。 06:38:4706:38:4706:38Saturday, February 11, 2023 ? 1乍見翻疑夢,相悲各問年。,(00????????bbbbbbfbbbfbbbXXXfYbbbbbbXXXfYjjjbjjjjbjkkii????????????????????????? 靜夜四無鄰,荒居舊業(yè)貧。另一種改善的方法是通過誤差項來描述這種信息的不完整性,這就是隨機效應(yīng)模型 ? 其中 ? 它們彼此不相關(guān),且不存在自相關(guān)。 ? 檢驗就是比較兩種平行數(shù)據(jù)運用方法的誤差平方和。 ? 類似地,我們還可以對時間序列數(shù)據(jù)逐個回歸,比如對于 i=1: 共有 N個這樣的模型。 估計方法 ? 融合方法:將所有的時間序列和截面數(shù)據(jù)互相融合 (或者說混合在一起 ),然后用 LS估計可能的模型。 ? 樣本中的每一個個體都具有很多觀測 (構(gòu)成時間序列 ) ? 在每個確定的時點也具有由各個個體數(shù)據(jù)組成的觀測 (構(gòu)成截面數(shù)據(jù) ) TtNiXY ititititit ,1,1 ?? ????? ???其中 N是截面的個體數(shù)量, T是時間序列的時段個數(shù) 優(yōu)點和問題 ? 平行數(shù)據(jù)很有用,它可以使研究人員得到單用截面數(shù)據(jù)或單用時間序列數(shù)據(jù)都無法獲得的經(jīng)濟信息。 ? 如果同時考慮檢驗?zāi)P偷男蛄邢嚓P(guān)性以及赤池信息準則,發(fā)現(xiàn):滯后 4階或 5階的檢驗?zāi)P筒痪哂?1階自相關(guān)性,而且也擁有較小的 AIC值 ? 判斷結(jié)果是: GDP與 CONS有雙向的格蘭杰因果關(guān)系 ,即相互影響。 舉例:檢驗 1978~2023年間中國當(dāng)年價 GDP與居民消費 CONS的因果關(guān)系 中國 GDP 與消費支出(億元) 年份 人均居民消費 CONS P 人均 GDP GDPP 年份 人均居民消費 CONS P 人均 GDP GDPP 1978 1990 1979 1991 1980 1992 1981 1993 1982 1994 1983 1995 58510. 5 1984 1996 1985 4589 1997 1986 5175 1998 1987 1999 1988 2023 1989 取兩階滯后, Eviews給出的估計結(jié)果為: P ai r wi s e G r an ge r Ca usal i t y T ests S am pl e: 1 97 8 20 0 0 La gs: 2 Nu l l H y p ot he s i s : O bs F S ta ti s t i c P r ob a bi l i t y G DP d oe s n ot Gr an ge r C au s e CON S 21 4. 29 7 49 0. 03 2 08 CONS d oe s n ot Gr an ge r Ca use GD P 1. 82 3 25 0. 19 3 50 判斷: ?=5%,臨界值 (2,17)= 拒絕“ GDP不是 CONS的格蘭杰原因”的假設(shè),不拒絕“ CONS不是 GDP的格蘭杰原因”的假設(shè)。 titmiimiitit YXY 111??? ??? ???? ??無限制條件回歸 有限制條件回歸 itmiitit YY ?? ?? ???1得殘差平方和 ESSUR 得殘差平方和 ESSR ),(~ESSESSESSknmFknmFURURR????n為觀測個數(shù) k為無限制條件回歸待估參數(shù)個數(shù) 如果 :FF?(m,nk) ,則拒絕原假設(shè),認為 X是 Y的格蘭杰原因。注:樣本應(yīng)當(dāng)合理得大設(shè)。這些數(shù)代入模型的左邊。但是。 單方程模型高級問題 主要內(nèi)容 ?虛擬解釋變量 ?虛擬因變量 ?滯后變量 ?趨勢變量 ?面板數(shù)據(jù) ?非線性模型 虛擬解釋變量 一 .虛擬解釋變量模型 ? 虛擬變量:某些因素對解釋因變量是必須的,但它們是定性的、不可計量的;為了將這些變量引入所要研究的模型,必須將它們數(shù)量化:比如起作用時賦值 1,或 0;不起作用時賦值 0,或 1,這樣的變量稱為虛擬變量 ? 比如:天氣、季節(jié)、性別等 ? 本節(jié)討論虛擬變量作為解釋變量的模型 例 1 ? 研究學(xué)生體重與身高的關(guān)系,隨機抽樣 80名學(xué)生,其中 48名男生,32名女生( W表示體重,單位磅; h表示身高,單位英寸) ? 模型 A: () () ? 模型 B: () () () 其中 ??? hDW ???????? :女生:男生01D虛擬變量的影響 h W 男生 女生 截距項位移 例 2 ? 研究工作經(jīng)驗對工資的影響,假設(shè)由于法律的原因,男性和女性參加工作時的起薪是一樣的 ? 建立模型( Y是月薪, X是工齡) uXDY ???? )( 21 ??????? :女性:男性01D虛擬變量的影響 斜率項位移 h W 男性 女性 XY )??(?? 21 ??? ??? XY 1??? ?? ??例 3 ? 對例 2,如果男女參加工作時的起薪存在性別歧視,應(yīng)如何修正模型? uXDDY ????? )( 2121 ???????? :女性:男性01D虛擬變量的影響 截距項和斜率項均位移 h W 男性 女性 XY )??()??(? 2121 ???? ???? XY11 ??? ?? ??例 4A ? 研究學(xué)歷對工作的影響,建立模型( Y:參加工作的起薪) ? 模型 A: uDbbY ??? 10??????