计量模型构造方法李芝倩

计量模型构造方法李芝倩1第一页，共五十二页，编辑于2023年，星期五实践经济计量学家——即进行经济计量研究的经济学家或其他社会学家——通常只花费20％或更少的时间和精力用于研究几个经济计量技术；他们把其余大部分时间和精力应用到其他方面的研究，特别是建立有关的计量模型、数据的开发和对模型估计结果的解释说明。——[美]因特里格特：《经济计量模型、技术与应用》，2004，第2页。2第二页，共五十二页，编辑于2023年，星期五主要内容创作实证研究论文的基本方法计量方法模块化介绍回归模型的形式技巧模型检验及Eviews应用3第三页，共五十二页，编辑于2023年，星期五一、创作实证研究论文的基本方法分析目的是什么查阅相关文献挖掘数据一般来说，须有理论模型部分（特别是对参数回归分析而言）在理论模型的基础上可以根据经验加解释变量决定应采用什么样的实证方法4第四页，共五十二页，编辑于2023年，星期五二、计量方法模块化介绍经典计量经济学时间序列分析面板分析非参数估计（无参数、半参数模型）注：时间序列和面板分析的具体应用也涉及参数估计和非参数估计。5第五页，共五十二页，编辑于2023年，星期五（一）经典计量分析即我们通常所见到的回归分析，着重于参数分析和假设检验。近年来，有很多关注微观问题的回归分析很多微观数据是通过调查得到的微观数据的获取：中国调查数据网/6第六页，共五十二页，编辑于2023年，星期五7第七页，共五十二页，编辑于2023年，星期五8第八页，共五十二页，编辑于2023年，星期五9第九页，共五十二页，编辑于2023年，星期五（二）时间序列分析时间序列数据的主要应用：季度调整平稳性检验和协整关系线性时间序列非线性时间序列VAR、VEC（向量自回归、向量误差修正）模型（三）面板数据分析面板数据是二维的，一般是横截面单位＋时期单位观察值。其中的横截面单位通常也称为组（group）。多见的研究方法是线性面板数据实证分析。10第十页，共五十二页，编辑于2023年，星期五注：pooleddata和paneldatapooleddata译作混合数据，paneldata译作面板数据。在数据的特点上：pooleddata是指时间不一致、个体也不一定一致的数据集；paneldata是指时间不一致，而个体都是一致的数据集。Example：pooleddatat=1:ABCDFt=2:ABDEpaneldatat=1:ABCDEt=2:ABCDE11第十一页，共五十二页，编辑于2023年，星期五混合数据pooleddata是将不同截面的数据进行混合，主要目的是为了增大样本量，提高估计精度，主要的估计方法是在线性分析的OLS分析中设置虚拟变量（设一个basegroup）来体现评估效果，例如分析两组的gap的显著性。两种数据分析方法的差异面板数据是对同一个截面进行多次调查所形成的数据。主要估计方法是固定效应估计和随机效应估计。12第十二页，共五十二页，编辑于2023年，星期五（四）非参数估计（非参数、半参数模型）(NonparametricandSemiparametricModels)现实中,变量间的关系未必是线性关系或可转化为线性关系；有时，变量之间的参数非线性关系又很难确定；传统线性或非线性计量经济模型在实际应用中往往存在设定误差。什么是非参数模型和半参数模型？非参数模型半参数模型该线性部分表示被解释变量的大势走向；而非参数部分则用作对被解释变量作局部调整，使模型更好地拟合于样本观测值。13第十三页，共五十二页，编辑于2023年，星期五TFP（Totalfactorsproductivity）的测度：DEA（数据包络分析方法，dataenvelopmentanalysis）Example林毅夫、刘培林，《经济发展战略对劳均资本积累和技术进步的影响——基于中国经验的实证研究》，《中国社会科学》，2003（4）。14第十四页，共五十二页，编辑于2023年，星期五考虑到估计的实际应用，在考察x-y间回归关系的时候，较多采用线性模型形式。三、回归模型形式技巧参数线性特殊函数形式虚拟变量在模型设定中的应用交叉项内生性、工具变量、两阶段最小二乘法15第十五页，共五十二页，编辑于2023年，星期五（一）几个特殊函数与回归模型的形式1、自然对数它刻画的x－y关系是：x和y间的斜率与x的大小有关。例：边际消费倾向、报酬率递减等。Ln-Ln关系表达的是弹性。其中u为随机扰动项，左右同时取自然对数为全对数模型基本过程：又分为全对数和半对数模型。全对数模型应用较多。设原模型对数模型有利于：减小异常值的影响，减小和消除异方差，有利于减小偏态性。16第十六页，共五十二页，编辑于2023年，星期五2、二次函数它刻画的x－y关系是：xyxy17第十七页，共五十二页，编辑于2023年，星期五《中国城市化进程中的电力需求预测》，《经济研究》，2009(1)(注：原模型是基于面板数据的)Example基于Kenneth（2001）和面板数据的人均电力需求理论模型为A为技术水平，ec、P、y分别表示人均能源需求量、能源价格和人均收入水平，*表示长期均衡水平。来源：KennethKennethBMedlockIII.RonaldSoligoEconomicDevelopmentandEnd-useEnergyDemand，EnergyJournal,2001,Vol,22,No.2.18第十八页，共五十二页，编辑于2023年，星期五以对数形式表示需求的长期均衡方程，即长期电力需求实证模型I设电力需求的动态调整过程为调整系数则长期电力需求的收入弹性为则有电力消费与收入水平的倒U形曲线存在。19第十九页，共五十二页，编辑于2023年，星期五由此得到推导出短期动态实证模型I再根据经验考察，加上其他解释变量——城市化和工业化——得到长期均衡实证模型II和短期动态实证模型II分别为即20第二十页，共五十二页，编辑于2023年，星期五如：城镇居民农村居民销售旺季销售淡季政策紧缩政策宽松本科以上学历本科以下学历异常时期正常时期或异常时期正常时期虚拟变量也可用于标注两个不同的时期或者状态。（二）虚拟变量在模型设定中的应用21第二十一页，共五十二页，编辑于2023年，星期五虚拟变量dummy可以用0和1表示，也可以用1和2、4和8表示，无论什么数值都可以表示，只不过我们习惯于用0和1表示而已。虚拟变量带入模型的方法主要表现为加法形式和乘法形式。可以用于分析交互效应、模型的分段分析等。22第二十二页，共五十二页，编辑于2023年，星期五描述我国居民在不同时段消费行为模型：（Y为消费，x为年）分段分析示例1979年之前，回归模型的斜率为；1979年之前，回归模型的斜率为；23第二十三页，共五十二页，编辑于2023年，星期五（三）交叉项先看一个例子：出勤率对期末成绩的影响Stndfnl:标准化成绩，atndrte：听课百分比即出勤率，priGPA和ACT：先前的大学GPA和ACT成绩=24第二十四页，共五十二页，编辑于2023年，星期五为什么要做交叉项？如果采用不含交叉项的模型比较出勤率对标准化成绩的影响是：如果采用含交叉项的模型出勤率对标准化成绩的影响是：这才是出勤率的影响25第二十五页，共五十二页，编辑于2023年，星期五交叉项分析的Eviews应用26第二十六页，共五十二页，编辑于2023年，星期五27第二十七页，共五十二页，编辑于2023年，星期五样本中priGPA的均值为2.59，所有出勤率对标准化成绩的影响是：-0.0067+0.0056×2.59=0.0078交叉项实证分析的结论T检验没有通过，但F检验通过。——这样的模型更多的关注联合建设即F检验结果，应认为接受该实证结果。28第二十八页，共五十二页，编辑于2023年，星期五交叉项在应用中往往与虚拟变量的采用结合起来汪淼军等，信息技术组织变革与生产绩效[J]，经济研究，2006.1围绕ITC的交叉项ITC为信息化资本，OC表示伴随性组织行为，H表示人力资本，X代表控制变量，b为企业规模的虚拟变量（大企业为1，中小企业为0）。29第二十九页，共五十二页，编辑于2023年，星期五关于交叉项系数分析（1）系数不为0，且通过显著性检验→ITC和OC存在互补交叉关系，共同影响着VA。以为例（2）在（1）的基础上，如系数为正→ITC与企业的柔性组织行为互补。在（1）的基础上，如系数为负→ITC与企业的刚性组织行为互补。OC

“伴随性组织行为”：其数据代表企业分权、非一体化、产品多样化等柔性组织行为的方向。30第三十页，共五十二页，编辑于2023年，星期五综上，模型中采用交叉项的原因：（1）分析两个解释变量间是否存在交叉性的对被解释变量的影响；（2）更全面的分析当存在交叉效应时解释变量对被解释变量影响的程度。31第三十一页，共五十二页，编辑于2023年，星期五我们经常会遇到模型的内生性问题：一方面，x在影响着y；另一方面，y也对x有反馈性的影响。（四）内生性、工具变量、

两阶段最小二乘法观察内生性的检验方法内生性hausman检验当模型存在内生变量时，OLS估计量是有偏的和不一致的。一般来说，可以采用工具变量替换。在采用工具变量后，并利用两阶段最小二乘法控制内生性。工具变量需满足的条件（1）与方程解释变量相关；（2）与扰动项不相关。32第三十二页，共五十二页，编辑于2023年，星期五内生性hausman检验假定需要作如下回归(1)设zt是内生解释变量。为了检验zt的内生性，找一组工具变量——既与zt高度相关，又与上式中的误差项ut不相关——例如，选择了xt3和xt4作为工具变量。在Eviews中，内生性Hausman检验通过如下两次回归完成。（1）两步法33第三十三页，共五十二页，编辑于2023年，星期五

分析规律：如果b4是显著的，则b0、b1、b2、b3不具有一致性，得到zt是内生变量。第一个回归式是用待检验变量zt对上式中的全部外生变量xt1、xt2和选定的工具变量xt3、xt4回归，用OLS法进行回归，并求残差。第二步是将所求的残差作为附加变量加入到(1)式代表vt用OLS法再次回归。34第三十四页，共五十二页，编辑于2023年，星期五（2）计算法内生性hausman检验的t统计量为以上讨论的是发现模型实证模型具有内生性问题，解决内生性回归的一个方法是：设工具变量和采用二阶段最小二乘法。35第三十五页，共五十二页，编辑于2023年，星期五工具变量的选取一例被解释变量：经济增长率解释变量：国内固定资产投资INV、外商直接投资FDI、人口增长率POP当INV、FDI存在内生性时，可选取工具变量：INVt-1、FDIt-1郭熙保，罗知，《外资特征对中国经济增长的影响》，《经济研究》，2009(1)。36第三十六页，共五十二页，编辑于2023年，星期五计量分析例文Au,Chun-ChungandJ.VernonHenderson,2006b,“HowMigrationRestrictionsLimitAgglomerationandProductivityinChina,”JournalofDevelopmentEconomics,Vol.80,No.2,350-388.37第三十七页，共五十二页，编辑于2023年，星期五主要模型过程（1）（2）（3）1、城市的生产函数38第三十八页，共五十二页，编辑于2023年，星期五2、设定关于城市产出的计量模型该模型采用了：二次项、交叉项(4)3、计量模型的进一步完善该模型存在内生性：城市人均产出与城市劳动力，所以，为寻找工具变量。39第三十九页，共五十二页，编辑于2023年，星期五设城市效用函数和农村效用函数（5）城市（6）农村效用由在当地的生活质量Q和实际工资决定（实际工资取决于资本K、劳动L、生产效率A）。地区i的劳动力（地区i又分为城市和农村），所以它代表总劳动力，设为固定值。设迁移函数（7）所以，为了解决

的内生性，由模型（5）－（7）得，可将作为工具变量。40第四十页，共五十二页，编辑于2023年，星期五41第四十一页，共五十二页，编辑于2023年，星期五四、模型检验及Eviews应用拟合优度检验：R2显著性检验：系数的显著性检验t检验方程的显著性检验F检验序列相关检验：DW检验、序列相关LM检验异方差检验：Glejser检验、white检验系数约束条件检验：wald检验模型稳定性检验：chow分割点检验设定误差检验：RamseyRESET检验（二）主要检验（一）EVIEWS基本介绍和主要操作42第四十二页，共五十二页，编辑于2023年，星期五LM检验原假设为：直到p阶滞后不存在序列相关。p为预先定义好的整数；备选假设是：存在p阶自相关。1、R2、t、F、DW检验2、序列相关LM检验View/ResidualTests/SerialCorrelationLMTest，输入p（要检验序列的最高阶数）F统计量表示辅助回归方程的整体显著性，而后面的Obs*R-squared才是我们所重点观察的LM统计量（一般情况下，它统计量服从渐进的分布）。43第四十三页，共五十二页，编辑于2023年，星期五3、异方差检验Glejser检验原理：由OLS法得到残差，取得绝对值，然后将对某个解释变量或其某种函数形式回归，根据回归模型的显著性和拟合优度来判断是否存在异方差。View/ResidualTests/HeteroskedasticityTest，在下拉菜单中选择method44第四十四页，共五十二页，编辑于2023年，星期五White检验原理：构造残差平方序列与解释变量之间的辅助函数，从而判断异方差性存在的显著性。（注：原来估计模型包含两个自变量：x2、x3）所以，检验结果的观察方法（Obs*R-squared）：P值小，接受备择假设，回归方程的误差项是异方差的。45第四十五页，共五十二页，编辑于2023年，星期五结论：在5％显著水平下我们拒绝原假设（p值小于给定的显著水平），回归方程的误差项是异方差的。Example46第四十六页，共五十二页，编辑于2023年，星期五4、Wald