计量经济学专题： 虚拟变量的回归与Probit模型、Logit模型.ppt

二步最小二乘法需求估计的方法 第一步:设一个内生变量(如价格)的替代变量。对替代变量进行回归分析。 第二步:将需求量对价格替代变量的关系进行回归分析。 世界铜市场需求 需求：Q=a+bP+cM+u 供给：Q=e+fP+gT+v P: 价格，M:消费者收入 T: 技术进步 工具变量（IV）的选择 1、工具变量与残差不相关 2、工具变量与被工具的变量相关 IV应该尽量是外生的（如历史/自然/气候/地理之类），它应该对被解释变量没有直接影响，但应该通过影响被工具的变量而间接影响被解释变量。 2、遗漏的解释变量问题与工具变量回归 如研究成年人工资决定方程 Log(wage)=a+b*educ+c*abil+e 如果一个人的能力不可观测，回归 Log(wage) =a+b*educ +u 则b是一个有偏、非一致的估计量。 处理方法 1、我们可以用能力的一些代理变量来代替能力，如IQ，从而得到一个一致的估计量： Log(wage)=a+b*educ+c*IQ+U 2、找不到合适的代理变量，为educ找一个工具变量。 根据工具变量选择规则，工具变量必须： （1）、与能力以及其他影响工资的不可观测因素不相关 （2）、与教育相关 则如果使用工具变量回归，则代理变量IQ就不是一个好的工具变量，它与能力相关 家庭背景也非一个好的工具变量，它与一个人的教育水平相关，也与个人能力相关 家庭的兄弟姐妹的数量可能是一个好的工具变量：他与个人的教育水平相关，又与个人能力无关 1、混合回归还是固定效应模型 结论：拒绝个体效应为0的原假设，认为个体效应不为0，即固定效应模型合适 2、固定效应还是随机效应 H0：非观测的个体效应与解释变量无关，应建立随机效应模型；H1：非观测的个体效应与解释变量有关，应建立固定效应模型。结论：不能拒绝原假设，即应该建立随机效应模型 面板数据panel data处理方法 面板数据的异方差 Eviews5.1提供了不同异方差的处理方法可以选择： 1、 Cross-section weights（EViews will estimate a feasible GLS specification assuming the presence of cross-section heteroskedasticity） 2、Cross-section SUR （EViews estimates a feasible GLS specification correcting for both cross-section Heteroskedasticity and contemporaneous correlation） 3、Period weights （ allows for period heteroskedasticity ） 4、Period SUR（ corrects for both period heteroskedasticity and general correlation of observations within a given cross-section ） 注意： 1、随机效应模型不能选择加权回归 2、宽而短的面板数据跨截面SUR方法可能无效（estimated residual correlation matrix will be nonsingular so that feasible GLS is not possible） 3、 固定效应下Period weights、 Period SUR无效（ Period weights、 Period SUR只能用于混合面板数据回归模型） 系数方差计算方法 为了得到稳健一致的方差估计，Eviews提供了几种系数方差计算方法 两阶段最小二乘法的工具变量回归 两阶段最小二乘法的引入 1、回归模型的解释变量内生问题 2、遗漏的解释变量问题 导致最小二乘法的有偏与非一致的估计 1、工具变量回归举例：回归模型的解释变量内生问题 价格接受企业的需求函数的估计，价格由供需平衡决定。需求曲线为其他条件不变情况下需求与价格的关系。当供需共同决定价格时,需求量与价格的关系不能代表需求曲线。 其中，p、Q为明显的内生变量，单独估算需求函数而忽略解释变量p为内生变量的事实，将会导致有偏与非一致的估计结果。 当供给的影响因素中包含不影响需求的变量时，需求曲线被鉴别。 (通常情况下，供给函数的估计函数中如果包含一个或一个以上的只影响供给的变量时，估计出的需求函数就能被鉴别） 取对数后： 做单位根检验，所有的变量（取对数后的变量）均为一阶非平稳的时间序列。（过程略） 由于用非平稳的时间序列建立模型可能会存在虚假回归问题，因此在建立模型之前对上述变量作协整检验，以检验上述变量