专题截面数据模型.ppt

计量经济学课件,教师：周靖祥 单位：湘潭大学商学院 Email1: Email2:,CourseZJX201009,第九专题 截面数据模型（一）,本讲要点： 一、截面数据类型及举例 二、截面数据论文 三、异方差,1,2,3,一、截面数据类型,举例： （一）国家层面 （二）行业层面 （三）企业层面 （四）政府层面 （五）居民家庭层面 （六）居民个人层面,二、截面数据论文,举例： （一）拜年与择校 （二）通过买房而择校 教育影响房价的实证证据 （三）烟叶种植业转型可能吗？ YN省SZ县农户视角考察,三、违背基本假设：异方差,满足基本假定的OLS估计具有BLUE优良性。(Best Linear Unbiased Estmator) 然而实际问题中，基本假定往往得不到满足，使OLS方法失效不再具有BLUE特性。 估计参数时，必须检验基本假定是否满足，并针对基本假定不满足的情况，采取相应的补救措施或者新的方法。,BLUE的优良性,【1】最小二乘估计量是线性估计量估计量是因变量观察值的线性组合 【2】最小二乘估计量是无偏估计量估计量的数学期望等于被估计的参数 【3】最小二乘估计量是一切线性、无偏估计量中的最佳估计量，方差最小 这些性质是由高斯-马尔科夫定理定义。,不满足基本假定 高斯-马尔科夫定理失效,【1】随机扰动项的方差不等于常数=异方差 截面数据时，经常出现异方差 【2】随机扰动项具有水平变动=变量误差模型 【3】随机扰动项与所有自变量不相关=自变量之间不相关=多重共线 【4】通常不会发生随机扰动项均值=0与非线性模型的假设不满足的情形,回顾基本假定,【1】残差纵向变动（隐含自变量X是确定性变量） 【2】E(ei)=0 （随机项均值为零） 【3】Var(ei)=2 （同方差） 【4】Cov(ei, ej)=0（随机项无自相关） 【5】Cov(x, ei)=0（随机项与解释变量X不相关）自变量间不相关 【6】数据生成过程为线性过程 （线性模型） Y=X+e,计量经济学检验有两种基本方法,图示法和解析法,图示法,是利用残差序列绘制出各种图形，以供分析检验使用。包括： 【1】时间为X轴，残差e为Y轴的残差序列图 【2】因变量估计值y为X轴，残差e为Y轴的Y-e散点图 【3】解释变量为X轴，残差e（或e2）为Y轴的x-e散点图 【4】残差e的直方图 也可以使用误差项的平方来作图。,解析法,导出检验统计量的解析式，根据一些准则，进行检验。例如： 【1】检验自相关的Durbin-Watson检验 【2】检验异方差的Goldfeld-Quandt检验,（一）异方差的定义,产生异方差： 原因1：样本异质,原因2：“分组”资料,储蓄模型,Cobb-Douglass生产函数,1、图示法及其类型,异方差是指e的方差随着x的变化而变化。 故可以根据x-y或残差x-e2的散点图，对异方差是否存在及其类型作出判断。 异方差大致可分为三种： （1）递增异方差 （2）递减异方差 （3）复杂型异方差,（二）异方差的检验（如何发现异方差）,E-views软件：纺锤型,反纺锤型,漏斗型,反漏斗型,其它有规律可寻的图形,2