[經(jīng)濟學(xué)]計量經(jīng)濟學(xué)輔導(dǎo)講稿-閱讀頁
2024-09-08 17:26本頁面
【正文】 變動1％所引起Y變動的百分比。(100*B2%)B2Y B2X增長模型線性—對數(shù)解釋變量每變動1%，相應(yīng)應(yīng)變量的絕對變化量(* B2)B2B2倒數(shù)B2B2多項式回歸注意：要比較兩個模型的r2，應(yīng)變量的形式必須是相同的。否則就會陷入虛擬變量陷阱，就會出現(xiàn)完全多重共線性。（3）賦值為0的一類常稱為基準(zhǔn)類。虛擬變量的系數(shù)的解釋與基準(zhǔn)類有關(guān)。注意（1）對模型的解釋（2）參數(shù)顯著性的判斷和分析。注意：（1）在建立虛擬變量模型時應(yīng)避免產(chǎn)生模型設(shè)定偏差；（2）對模型的解釋；（3）參數(shù)顯著性的判斷和分析。（2）對模型的解釋：男性平均食品支出為： E(Yi|Xi, Di＝0)=B1+B3Xi 女性平均食品支出為： E(Yi|Xi, Di＝1)=(B1+B2)+B3Xi（3）該模型可以反映性別這一定性變量對食品支出的影響。如果B20，同時是統(tǒng)計顯著的，說明在同一收入水平下，男性的平均食品支出顯著高于女性的平均食品支出。4. 模型設(shè)定誤差的檢驗：殘差圖形檢驗、MWD檢驗、RESET檢驗、借助于t檢驗、F檢驗和DW檢驗進(jìn)行判斷。（2）解釋變量兩兩高度相關(guān)。（4）利用從屬或輔助回歸（5）考察方差膨脹因子VIF（關(guān)鍵在對知識的理解→掌握→應(yīng)用）第8章 解釋變量間無共線性假定的違背多重共線性（1）從模型中刪掉不重要的解釋變量；（2）獲取額外的數(shù)據(jù)或新的樣本；（3）重新考慮模型；（4）利用先驗信息；（5）進(jìn)行變量變換；（6）利用其他補救措施：如主成分分析等（1）根據(jù)問題的性質(zhì)；（2）殘差的圖形檢驗；（3）帕克檢驗 (Park test)；（4）Glejser 檢驗 (Glejser test)（5）White 檢驗；（6）異方差的其它檢驗方法（1）OLS估計量是線性無偏的但非有效；（2）誤差方差有偏；（3）OLS估計量方差有偏；（4）t檢驗和F檢驗失效： ： ：：第9章 同方差假定的違背：異方差性實踐中的回歸分析違背基本假定的情形（1）加權(quán)最小二乘；（2）重新設(shè)定模型；（3）White 異方差校正（1）OLS估計量是線性無偏的但非有效；（2）誤差方差可能低估了真實方差；（3）OLS估計量方差有偏；（4）t檢驗、F檢驗和擬合優(yōu)度檢驗失效（5）預(yù)測的方差和標(biāo)準(zhǔn)差無效：慣性、模型設(shè)定誤差、蛛網(wǎng)現(xiàn)象、數(shù)據(jù)加工： ：：第10章 無自相關(guān)假定的違背：自相關(guān) （1）殘差圖檢驗；（2）杜賓－瓦爾森d檢驗（或稱DW檢驗）（3）游程檢驗廣義差分法，注意ρ的估計：（1）一階差分法；（2）從杜賓－瓦爾森d統(tǒng)計量中估計（3）從OLS殘差中估計（4）其他估計方法：如杜賓兩步法等
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1