扩展的单方程计量经济学模型PPT课件

.,1,第七章扩展的单方程计量经济学模型,选择性样本模型二元选择模型PanelData模型,.,2,7.1选择性样本模型,TheBankofSwedenPrizeinEconomicSciencesinMemoryofAlfredNobel2000forhisdevelopmentoftheoryandmethodsforanalyzingselectivesamples”,JamesJHeckmanUSA,.,3,7.2二元选择模型,经济背景模型形式模型的估计和检验,.,4,一、实际经济生活中的二元选择问题,研究选择结果与影响因素之间的关系。影响因素包括两部分：决策者的属性和备选方案的属性。对于单个方案的取舍。例如，购买者对某种商品的购买决策问题，求职者对某种职业的选择问题，投票人对某候选人的投票决策，银行对某客户的贷款决策。由决策者的属性决定。对于两个方案的选择。例如，两种出行方式的选择，两种商品的选择。由决策者的属性和备选方案的属性共同决定。,.,5,二、模型形式,线性概率模型Probit模型Logistic回归模型,.,6,线性概率模型,以一元线性回归模型为例：如果因变量Y是一个取值为1和0的虚拟变量，则Y服从0-1分布，有：这样，回归方程因变量即为虚拟变量取值的概率，这时的虚拟因变量模型称为线性概率模型。,.,7,线性概率模型LPM的不足,研究社会现象发生的概率或某项目成功（失败）的概率pp的大小与哪些因素有关建立p与因素之间的回归方程困难：p与自变量的关系难以用线性模型描述；p接近1或0时，p的微小变化用普通方法难以发现和处理,.,8,线性概率模型LPM的不足,随机误差项不满足参数估计和检验的条件。不服从正态分布存在异方差Y的条件期望不满足0,1模型形式非线性,.,9,Logistic回归模型图形,.,10,如何解决线性概率模型的不足,二元选择中事件发生的条件概率与自变量之间的关系通常是单调函数，模型形式应为一个值域在0,1之间有着S形状的曲线，这样在X趋近于负无穷时E(Y)趋近于0，在X趋近于正无穷时E(Y)趋近于1。,.,11,如何解决线性概率模型的不足,对于连续性概率分布来说，累积分布函数表示概率，而且满足二元选择的虚拟因变量模型对因变量值域在0,1之间的要求，因此满足上述S形及取值范围的连续分布函数有很多，最常用的包括标准正态分布函数和Logistic分布函数。,.,12,Probit模型,标准正态分布函数的一般式：描述二元选择中事件发生的条件概率的形式为：,.,13,Logistic回归模型,Logistic分布（双曲正割平方分布）函数的一般式：描述二元选择中事件发生的条件概率的形式为：,.,14,Logistic回归模型,为便于进行参数估计，进行如下变换：变换后得到Logit模型：,.,15,解决LPM问题的基本思路,借助p的一个严格单调函数Q=Q(p)，如这一变换称为Logit变换。,.,16,Logistic模型的形式,.,17,三、模型的估计和检验,由于Probit模型和Logit模型是非线性模型，而且概率p无论对于自变量还是模型参数都是非线性关系，因此需要采用极大似然估计模型参数。重复观测值可以得到（理论）广义最小二乘重复观测值不可以得到（实际）极大似然法,.,18,三、模型的估计和检验,检验拟合优度检验R2总体显著性LR检验变量显著性Wald检验回代检验,.,19,三、模型的估计和检验,拟合优度检验R2,.,20,三、模型的估计和检验,总体显著性LR检验,.,21,三、模型的估计和检验,变量显著性Wald检验,.,22,三、模型的估计和检验,回代效果检验检验临界值朴素方法先验方法最优方法,.,23,四、Logistic模型与一般回归模型的区别,相同：形式上是线性区别处理因变量是二元变量（如定性变量）的情况，可以计算出其发生的概率因变量与自变量类似S曲线，不能应用OLS，估计方法采用ML,.,24,7.3PanelData模型,一、概述二、面板模型的类型三、面板模型的优势四、面板模型的几个问题,.,25,一、面板数据,时间维度+截面维度如我们在分析中国各省份的经济增长时，共有31个截面，每个截面都取2000-2010共10年的数据，共有310个观察值，这是一个典型的面板数据上市公司财务数据，研究一段时期内（1998-2008）上市公司股利的发放数额与股票账面价值之间的关系，共有2011=220个观测值宽而短、窄而长,.,26,独立混合截面数据,时间维度+截面维度不同截面单位在不同时期不同时期一般是进行对比的两个时期,.,27,二、面板模型的种类,由于面板数据既包括截面数据也包括时序数据，因此所有截面数据模型和时序数据模型以及它们的交叉组合都是面板模型家族的成员。也即，面板模型类型极为丰富。这里只介绍基本模型。,.,28,面板模型的发展演变,静态误差组成模型、随机参数模型-20世纪70-80年代早期动态同质面板模型-20世纪80年代中期至90年代中期动态异质面板模型、大维面板模型、非平稳模型-20世纪90年代后期至今-金融问题分析应用最多,.,29,二、面板模型的种类,变化在时间或者个体或者都包括：i、t个体效应、时刻效应、个体时刻效应变化在截距或截距和斜率或无变化：、变截距、变斜率、混合变化是随机还是固定：总体数据、样本数据固定效应、随机效应（这个定义存在不同解释）,.,30,固定效应各类型,.,31,随机效应各类型,.,32,固定效应与随机效应对比,.,33,三、面板数据模型的优势,PanelData模型可以通过设置虚拟变量对个别差异（非观测效应）进行控制-微观计量经济学PanelData模型通过对不同横截面单元不同时间观察值的结合，增加了自由度，减少了解释变量之间的共线性，从而改进了估计结果的有效性PanelData模型是对同一截面单元集的重复观察，能更好地研究经济行为变化的动态性,.,34,变截距还是变系数的F检验固定效应还是随机效应的检验-LR检验、Hausman检验固定效应：虚拟变量最小二乘法(LSDV)随机效应：可行的广义最小二乘法(FGLS)面板数据的协整和单位根检验-窄而长的数据,四、面板模型的几个问题,.,35,变截距还是变系数的F检验,假设1截距和系数在不同的横截面样本点和时间上都相同,假设2系数在不同的横截面样本点和时间上都相同，但截距不相同,.,36,固定效应还是随机效应的检验,豪斯曼检验（Hausman）,.,37,面板数据的协整和单位根检验,虽然本章已经提到典型的面板数据是横截面单位较多而时期较少的数据，即所谓“宽而短”的数据，但是为了模型估计的顺利进行，面板数据的时间长度必须达到一般要求的大于待估参数数目的3倍。原来越多的金融问题研究应用“窄而长”的面板数据。-第三阶段,.,38,面板数据的协整和单位根检验,但是，如果时间序列过长，很难保证序列随时间变化是平稳的。如果序列存在很强的趋势，将破坏回归模型运用的条件，导致伪回归。为避免伪回归，需要对截面序列进行单位根检验，若满足平稳性，上述介绍的各种模型分析方法是适用的；若不平稳，则要进行协整检验，满足协整条件的可以建立长期均衡模型。,.,39,面板数据单位根检验的基本思想与单变量时间序列的单位根检验类似，但由于是多个截面单位的序列，需要考虑不同截面单位序列的根是否相同，因此面板数据的单位根检验分为两种基本类型即相同根和不同根。在进行了各变量的单位根检验后，如果各变量间都是同阶单整，那么就可以进行协整检验了。面板协整检验理论目前还不成熟，仍然在不断的发展过程中。,面板数据的协整和单位根检验,.,40,附加：EViews操作举例,.,41,用EViews估计固定影响变截距模型演示,利用北京、天津、河北、山西、内蒙5地区1997-2003年消费总额与GDP的数据，消费总额为被解释变量，以GDP为解释变量，建立一元线性PanelData模型。,.,42,打开EViews，建立新工作文件,如何在Eviews中建立PanelData文件？,.,43,输入PanelData的起止时间（1997、2003）,.,44,选择建立新的数据文件,.,45,数据类型选择（Pool）和文件命