管理研究方法05计量经济学方法讲课教案.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,管理研究方法05计量经济学方法,-cont,计量经济学的研究内容,-,方法论,建模、参数估计、检验模型与理论、使用模型（解释或预测）,-,应用,利用计量经济学的理论与方法来研究微观经济与宏观经济问题,微观方面,：需求函数、生产函数、供给函数、消费函数、投资函数、弹性理论等。,宏观方面,：宏观经济模型、经济结构、经济预测、经济政策解释与评价。,-cont,一个有趣的例子：,美,史蒂芬,列维特,魔鬼经济学,：第,4,章,究竟是什么导致了美国犯罪率（,20,世纪,60-90,年代）的下降？,可能的解释：,新的警察巡管政策,更加发达的监狱系统,毒品市场的变化,人口老龄化,更加严格的强制控制法令,强劲的经济增长,城市或地区警力的增强,其他解释（死刑、枪支法令、枪支回购等）,-cont,真正的原因：,美国堕胎合法化！,-,堕胎合法化的影响：,杀婴率下降、怀孕率下降、出生率下降,对犯罪率的影响：,可能成为罪犯的人没有出生！,堕胎合法化降低了意外出生的人数，意外出生的人数的下降，降低了犯罪率！,是真的吗？堕胎与犯罪是否具有因果关系？,两本有意义的参考书：,1.,荷,乌斯卡里,.,迈凯：,经济学中的事实与虚构,模型、实在论与社会构建,，上海人民出版社，,2006,2.,美,丹,.,艾瑞里：,怪诞行为学,，中信出版社，,2008,为什么开此课程？,它是经济学研究的必备工具和方法，是经济专业学生（尤其是研究生）的必修课程！,计量经济学,方法在现代经济学、管理学、心理学、社会学、人口学等方面越来越广泛应用！,如何评价（论）别人的研究？如何在实际研究中运用这门技术？,实际研究中的两个极端：,完全不用,VS.,是似而非地,乱用！,学习目标,了解、掌握统计学和计量经济学的基本概念和基本方法,学会将定量分析方法应用于实际研究中,-,看懂并能评价别人所做的模型或研究,-,学会使用计量经济学的技术建立模型、估计、检验、解释模型,-,会利用有关的统计分析软件进行数据处理、分析、建模等,-,能够将自觉地、经常地将计量经济学方法应用到自己的实际研究中,主要内容,多元回归分析,计量经济学专题,-,多重共线性、异方差性、自回归、虚拟变量、联立方程组,多元统计分析方法,-,主成分分析、因子分析、聚类分析,统计软件及其应用,-EXCEL,、,SPSS,、,TSP,、,SAS,一、引言,什么是计量经济学？（,Econometrics,）,:,p5,-,一般地,，从数量上研究经济关系和经济活动规律及其应用的科学，是应用统计学、数学方法研究与解决社会经济过程中所提出的理论和实际问题的（数量经济）学科。,具体地,，是以经济理论为前提，利用数学、数理统计及计算机技术，根据实际观测的统计数据来研究带有随机影响的经济变量值关系和规律的一门学科。,特征,：经济现象的定性解释与定量描述；,考虑多种因素，描述经济现象的复杂因果关系；,可充分利用经济信息进行预测；,利用计算机工具进行数据处理与分析。,-cont,计量经济学的研究内容：,-,方法论：,建模、估计、验证模型（统计上）与理论（经济理论）、使用模型（解释与预测）,-,应用：微观领域、宏观领域,用于：,经济结构分析,经济预测,经济政策评价,二、简单回归模型,模型,:y=,0,+,1,x+,假设及含义,N(0,2,),i,是独立的,(,不相关,),i,与,x,是不相关的,-cont,如何看统计软件（计算机）输出结果？,不同的统计软件输出结果不同，但基本一致。,估计的回归方程的表述,模型：,y=,0,+,1,x,+,估计结果（以一个收入,-,消费关系为例）：,（,6.4138)(0.0357),t:(3.8128)(14.2605),R,2,=0.9621 R,2,(adj),=0.9574,F=203.088,三、多元回归分析,-,建模、估计、检验、应用,多元回归模型：估计、检验、解释,多变量和大样本建模问题：逐步回归,一般线性模型：建模及解释,用,Excel,做回归分析,用,SPSS for Windows,做回归分析,1.,多元线性回归模型,模型及其含义,模型的假设,多元回归模型的估计,多重判定系数(可决系数),多元回归模型的检验,多元回归模型的应用问题,（,1,）模型及其含义,多元回归模型,y,i,=,0,+,1,x,1i,+,2,x,2i,+,p,x,pi,+,i,i,为偏回归系数,0,为常数项,i,为随机误差项,多元回归方程,E(y,i,|x,1i,x,2i,x,pi,)=,0,+,1,x,1i,+,2,x,2i,+,p,x,pi,i,=,y,i,-E(y,i,|x,1i,x,2i,x,pi,),多元回归方程和偏回归系数的含义,（,2,）模型的假设,E(,i,)=0,Var(,i,)=,2,i,是独立的,正态分布的随机变量,cov(,i,x,i,)=cov(,i,x,j,)=0,无多重共线性,:,即没有,i,x,i,+,j,x,j,=0,成立,（,3,）多元回归模型的估计,基本思想,方法（,OLS,方法）,结果,例子,（,4,）多重判定系数,(,可决系数,),平方和分解公式,:SST=SSR+SSE,多重判定系数,(,可决系数,)R,2,=SSR/SST,R,2,的意义,调整后的,R,2,意义或作用,:,-,用于两个模型的比较（两个模型相同含义、形式，但自变量不同）,-,由于判定系数的值随着进入回归方程的自变量个数（或样本容量）的增加而增大，为了消除自变量的个数及样本大小对其的影响，而进行调整。,（,5,）多元回归模型的显著性检验,R,2,和调整后的,R,2,t-test,H,0,:,i,=0,H,1,:,i,0,F-Test,H,0,:,1,=,2,=,p,=0,H,1,:,至少有一个,j,不为零,估计的模型的检验与评价,判定系数,R,2,充分大,(,越大越好,),t-,检验统计量显著,(,一般地,t2),F,-,检验统计量显著,(,一般地,F,值,30),变量间确有实际关系,或模型有实际意义,-Testing for Significance:,F,Test,假设（,Hypotheses,）：,H,0,:,1,=,2,=.=,p,=0,H,a,:,至少有一个不为零,检验统计量（,Test Statistic,）：,F,=MSR/MSE,拒绝规则（,Rejection Rule,）：,Reject,H,0,if,F,F,F,为服从,F,分布的临界值（分子的自由度为,p,，分母的自由度为,n,-,p,-1,）,-Testing for Significance:,t,Test,假设（,Hypotheses,）,H,0,:,i,=0,H,a,:,i,0,检验统计量（,Test Statistic,）,拒绝规则（,Rejection Rule,）：,Reject,H,0,if,t,t,t,为,t,分布的临界值（自由度为,n,-,p,-1,）,（,6,）多元回归模型的应用问题,因变量的估计（点估计与区间估计）,复杂性、不确定性、设定形式、样本范围,因变量的预测,时间序列、趋势外推的危险性,残差分析,2.,回归模型建模技术,过原点的回归,一般线性模型,-,非线性模型的线性化,多变量大样本的建模问题,逐步回归,（,1,）过原点的回归,形式：,Y,i,=,1,x,i,+,i,例子,CAPM,（,capital asset pricing model,）,R,j,=R,f,+,j,(R,M,R,f,),证券市场线（,SML,security market line,）,市场模型：,R,j,-R,f,=,i,+,j,(R,M,R,f,),如果：,CAPM,成立，则,i,=0,特征线：市场收益率与单个证券收益率之间的关系，一般是一条直线，称为特征线。,特征线的斜率就是估计的,（贝塔）,例题：,P145,估计,注意问题：,（,2,）一般线性模型,-,非线性模型的线性化,检测,-,散点图,一般线性模型的实质,:,回归参数,j,的线性函数,常见形式,多项式,:y=,0,+,1,x+,2,x,2,+,k,x,k,对数形式,:Y=AK,L,半对数,(,指数,),形式,:Y=e,x,倒数形式,:y=,0,+,1,(1/x)or (1/y)=,0,+,1,(1/x),其它形式,:y=,0,+,1,x,y=,0,+,1,x,1,+,2,x,1,x,2,+,3,(x,1,/x,2,),处理方法：,做变换 线性化,-cont,非线性模型的线性化,采用数据变换的方法,将非线性模型转化成多元线性回归方程,然后进行估计。,模型应该具有实际含义或可解释（转换前或转换）,几个例子,-cont,教材：古扎拉蒂（,Damodar N.Gujarati,）著,:,计量经济学,例,1,：,p151,对数线性模型,咖啡需求函数,例,2,：,p154-157,半对数线性模型,弹性的含义,例,3,：,p158-161,倒数模型,-,菲利普斯曲线,例,4,：,p200-202,幂函数模型,-C-D,生产函数,例,5,：,p202-204,多项式回归模型,-,成本函数,再谈,R,2,与调整后的,R,a,2,：,R,2,的比较 ,R,2,重要不重要？,p197,关于偏相关系数,:p197-199,（,3,）多变量和大样本的建模问题,问题的提出：,某些实际问题数据量大、变量多、对某一因素都有可能有影响,如何建模,根据实际问题筛选有意义的变量,可通过,y,与,x,i,的散点图确定那个,x,i,与,y,有关,首先计算各自变量之间的相关系数阵，找出高度相关的变量，以便克服多重共线性。,也可以通过逐步回归法进行建模,模型应该通过各种统计检验,-,变量的选择与确定（在模型中增加或删除便）,F-,统计量,逐步回归,(stepwise regression),一个例子,前向选择法,(forward selection),逆向排除法,(backward elimination),（,3,）如何评价多元回归模型,判定系数,R,2,充分大,(,越大越好,),t-,检验统计量显著,(,一般地,t2),F,-,检验统计量显著,(,一般地,F,值,30),变量间确有实际关系,或模型有实际意义,变量间不存在多重共线性,时间序列变量,(,数据,),不存在自相关性,(,如果存在,须按某种方法处理,),如何看统计软件（计算机）输出结果,多元回归方程的表述,-,多元回归方程的表述,模型,:y,i,=,0,+,1,x,1i,+,2,x,2i,+,p,x,pi,+,i,估计的方程,:,y:risk;x,1,:age;x,2,:blood pressure;x,3,:smoker,t=(-6.03)(6.49)(5.57)(2.91),R,2,=0.873 R,2,(adj)=0.85,F =36.82 DW=?,回归方程的含义与解释,(,各变量的影响,),3.,利用统计软件进行回归分析,（,1,）一般方法与步骤,散点图,-,直观分析,相关系数,-,相关分析,变量的选择与筛选,-,逐步回归,模型的估计与检验,-,统计上的评价,回归模型和回归方程的表述,模型的解释,-,实际意义,（,2,）利用,Excel2000,进行回归分析,-cont,Excel,输入数据或打开已有,Excel,文件（工作表）,工具 数据分析,回归确定,因变量（,Y,值）输入区域,自变量（,X,值）输入区域（多个变量时须连续排列）,输出区域,残差选项确定（不选时默认）,输出结果,统计检验、回归方程表述、回归系数解释等,例子,-cont,（,3,）用,SPSS for Windows,进行回归分析,-SPSS,的数据文件的建立与编辑：,Data Editor,定义变量、数据输入、数据编辑、,建立（生成）新变量、与其它数据格式转换,-,统计分析功能概览,-,基本统计分析,-,相关分析,-,回归分析,有许多,实用的参考文献！,四、建模技术与方法（一）,放宽古典模型的假设,-,多重共线性（,multi-collinearity,）问题,-,异方差性（,heteroscedasticity,）问题,1.,多重共线性问题,多重共线性的例子,例,1,：消费,收入的例子,例,2,：农民消费与农业产值,多重共线性的程度,-pp 313,多重共线性的原因,：,-pp313,-,数据采集方法和范围,-,模型或总体受到约束,-,模型设定,-,过度决定的模型（样本信息过于集中）,-cont,多重共线性的实质,-,样本,(,间,),的回归现象,1,x,1,+,2,x,2,+,k,x,k,=0,其中,:,1,2,k,为一组不同时为零的数,多重共线性的后果,-,理论后果和实际后果：,p316-321,标准误差将随着变量间的共线程度的增大而增大,由于标准误差较大,会使有关的总体参数的置信区间更大。,如果存在高度共线性,则样本数据可能与各种不同的假设相容,因此接受错误假设,(,犯第二类错误,),的概率增大了。,-cont,在不完全的多重共线性下，回归系数的估计是可能的，但其估计量及其标准差非常敏感。,例子,pp 321,323,如果是高度多重共线的，可能得出较高的,R,2,值，但几乎没有一个估计的回归系数在统计上是显著的。,多重共线性的检测（发现）,:pp325-328,经验判断：,a.,估计的回归系数无法解释；,b.R,2,值很高或者,p ,，但几乎所有偏回归系数的,t-,检验在统计上是不显著的；,-cont,c.,偏回归系数的估计值大小及符号与常识不符；,d.,专业知识上可以肯定对因变量的影响因素，但在多元回归中却不能纳入方程；,e.,去掉一两个变量或样本观测值，方程的回归系数值发生剧烈变动，非常不稳定。,可以考察解释变量间的判定系数,R,2,如果只有两个自变量，考察他们之间的简单相关系数即可判断。如果,r,较大，则一般是共线的。,如果,R,2,值较高而偏相关系数较低，则可能存在多重共线性；其中的一个或多个变量可能是多余的。,-cont,可将模型中的每一个变量,x,i,对其它的变量进行回归，求出相应的可决系数,R,i,2,。如果某个,R,i,2,较高，则表明该变量与其它变量是高度相关的。只要不导致严重的设定偏倚，可将其从模型中剔除。,逐步回归法,：将,Y,分别与,Xi,进行回归：,-,有用的变量：,R,2,大，,t-,检验显著,-,多余的变量：,R,2,变化不大，其他系数无影响,-,可能重要的变量：,R,2,变化大，其他系数及符号均发生变化,检测共线性的统计指标：,pp327-328,本征值与病态指数；容许度与方差膨胀因子,如何避免多重共线性问题,补救措施,利用额外的或先验的信息,合并截面数据和时间序列数据,剔除（某个高度共线的）变量和设定偏倚,变换数据,增加样本观测值或补充新的数据,主成分分析,差分模型或增长率模型,岭回归方法,-,例题,2.,异方差性（,heteroscedasticity,）,问题的提出,-,不满足统计假设中的随机扰动项同方差,同方差（,homo-scedasticity,）：,E,（,u,i,2,）,=,2,异方差（,heter-scedasticity,）：,E,（,u,i,2,）,=,i,2,-,实际经济问题的同方差假定不合理,（尤其时间序列数据，要格外当心！）,异方差的来源,-,干中学，边错边改（,error-learning,）,-,行为方式或偏好发生改变,-,数据采集技术的改进，使误差可能减小,-,异常值（离群值，,outliers,）的出现,-,模型设定错误,广义最小二乘法（,GLS,）,基本思想,先将原始变量转换成满足经典模型假设的转换变量，然后再对它们使用,OLS,程序。即,GLS,是对满足标准最小二乘假定的转换变量的,OLS,。如此得到的估计量称为,GLS,。,GLS,估计量是,BLUE,pp354-355,OLS,与,GLS,的区别,pp355,-cont,异方差性的后果,-,在其他条件满足时，有异方差时，用,OLS,估计式得到的系数估计仍是无偏的、一致的，但不再是有效的。（方差不是最小）,p352-353,，,-,由于此时,Var,（,hat,）不具有最小方差，导致,过低估计,hat,的,t-,值。,-,的置信区间不必要地增大，从而使显著性检验的功效变小。,P356,-,如果忽视异方差性而一味使用惯用的检验程序，则无论得出何结论或做出何判断，都可能产生严重误导。,p357,-cont,异方差性的检验（或发现）,-pp 358 369,-,图解法,-e,i,与,Y,i,或,X,i,的散点图（,Scat plot,）,-,Park,检验,ln,（,i,2,）,=ln,（,2,）,+ln,（,X,i,）,+,i,=+ln,（,X,i,）,+,i,估计时，用,ei,2,作为,i,2,的替代变量，看,是否显著？,-,Glejser,检验,-e,i,与,X,i,之间的各种可能关系？,-Spearman,等级相关检验：,d,i,为两变量的等级差,步骤：,pp362,例题：,pp363,-cont,-,戈德菲尔德,-,匡特检验,步骤：,pp364,例题：,pp365-366,-,布劳殊,-,培干,-,戈弗德检验,步骤：,pp367,例题：,pp368,-,怀特（,White,）的一般异方差性检验,步骤：,pp369,例题：,pp369-370,-cont,异方差性的补救,在理论上，克服异方差性还没有很好的办法。,-,出现异方差时的一般对策是从经济理论上考虑更合理的解释变量和函数形式。,-,当,i,2,为已知时：加权最小二乘法（,WLS,）,pp371,-,进行数据变换尤其是对数变换通常是较有效的办法,关于异方差性模式的可能假定,数据变换的形式,pp373-376,-,双变量总体方差是否相同的,F-,检验,一个总结性例题,pp377,五、计量经济学专题（二）,自相关（,Autocorrelation,）,自回归（,Auto-Regression,）,分布滞后（,Distributed-lag,）模型,1.,自相关（,Autocorrelation,）问题,问题的提出：,自相关是指按时间顺序或空间顺序排列的观察值之间的相关现象，又称序列相关。,Cov,（,U,i,，,U,j,）,=E,（,U,i,，,U,j,）,0,自相关的来源,：,pp395-398,在经济时间序列中，序列相关现象之所以经常存在，是因为模型常把一些不重要的或无法观测到的因素都包括在随机误差中，而这些因素往往具有时间趋势，从而在随机误差项,U,t,中体现了在时间先后上的某种相关性。,-,惯性：时间序列数据的回归中，连续观测值可能是相互依存的。,-,省略了不该省的解释变量,-,设定偏误（错误的数学表达式或函数形式）,-,数据的编造（对原始数据的处理或变换不当）,-cont,-,蛛网现象：,Q,t,=f,（,P,t-1,）,+U,t,-,滞后效应,:C,t,=,1,+,2,Y,t,+,3,C,t-I,+U,t,自相关出现时的,OLS,估计：,一阶自回归模型：,AR,（,1,）,U,t,=U,t-1,+,t,t,N,（,0,，,2,）,一阶移动平均模型：,MA,（,1,）,U,t,=,t,+,t-1,ARMA,（,1,，,1,）,U,t,=U,t-1,+,t,+,t-1,-cont,在自相关情况下，用,OLS,估计式得到的系数估计仍是无偏的、一致的，但不再是有效的。（方差不是最小的）,自相关出现时的后果：,OLS,估计式是无偏的，但无偏性是在重复抽样中体现出来的，在任一特定的样本中，,OLS,估计式对于样本波动非常敏感。,估计的方差可能增大：,剩余的方差,E,（,e,i,2,）可能低估扰动项,u,t,的方差,2,；,OLS,估计式的方差和标准差也可能低于真实的方差和标准差。,使检验失效，如,t,检验（,t-,值放大），拒绝,H,0,例子,:pp403-407,-cont,自相关的检验,a.,图示法,：用,e,i,代替,u,i,，若,u,i,之间存在自相关（序列相关），比通过,e,i,反映出来。因此，可用,e,i,来考察,u,i,的序列相关性质。,-,看,e,t,与,e,t-1,之间的散点图：,-,看,e,t,与,t,之间的散点图：,-,看,e,t,的数值的变化（如季节变化）：,b.,Durbin Watson,检验,（,DW,值）,适用于检验是否存在一阶线性自回归：,U,t,=U,t-1,+v,t,v,t,N,（,0,，,2,），称为白噪声序列,一阶马尔可夫过程,AR(1),-cont,-cont,结论：,duDW4-du ,无序列相关（无自相关）,0 DW dL ,正相关,4 dL DW4 ,负相关,DLDWDu ,不确定,4-duDW4-dL,不确定,图示：,p413,查表,du,和,dL,与估计或计算的,DW-,值比较,!,c.,游程检验：,pp410-411,补救办法（存在序列相关时的估计方法）,如果是遗漏解释变量而造成的，加入之。,确定正确的模型形式，或变量变换,如果是真实的序列相关：,U,t,=U,t-1,+v,t,a.,已知时，做广义差分变换,；,b.,未知时,，,-,由于：,-cont,-,科克伦,-,奥克特（,Cochrane-Orcutt,）迭代法,step1:,step2:,广义差分变换,step3:,广义差分变换 参数估计,直到,的估计量没有显著差异为止！,或无序列相关！,-Durbin,两段法,-,自回归条件异方差模型（,ARCH,）,模型及含义,检验,例子,处理,-GLS,-GARCH,2.,自回归与分布滞后模型,问题的提出,-,分布滞后模型,:,不仅包含解释变量的本期值，还包括解释变量的滞后值。如：,Y,t,=+,0,X,t,+,1,X,t-1,+,2,X,t-2,+U,t,-,自回归模型,:,不仅包含解释变量的本期值，还包括被解释变量的滞后值。如：,Y,t,=,0,+,1,X,t,+,2,Y,t-1,+U,t,经济研究中分布滞后的作用或意义,有限滞后分布模型：,无限滞后分布模型：,-cont,-,短期乘数：,0,-,延迟乘数（过渡乘数）：,1,2,k,-,长期乘数：,=,j,-,例子：,投资乘数：,K,I,=1/(1-MPC),货币乘数：,m=1/(1-Re),-cont,滞后的原因,-,人们的心理与习惯：并不因为价格的变化或收入的变化而立刻改变其消费习惯、投资决策等。,-,技术上的原因：预期心理,-,制度上的原因：如固定资产管理体制、宏观经济体制、货币政策、财政政策、信贷政策与管理体制等。,-,信息传递和延迟：信息传递需要时间、政策效应具有时滞等。,-cont,滞后模型的估计,-,经验权数法,a.,递减滞后,W,1,=(1/3)X,t,+(1/5)X,t-1,+(1/7)X,t-2,+(1/9)X,t-3,Y,t,=,0,+,1,W,1,+U,t,b.,矩形滞后（均匀）,W,1,=(1/3)X,t,+(1/3)X,t-1,+(1/3)X,t-2,Y,t,=,0,+,1,W,1,+U,t,c.“”,形滞后,W,1,=(1/10)X,t,+(1/4)X,t-1,+(1/2)X,t-2,+(1/5)X,t-3,+(1/9)X,t-4,Y,t,=,0,+,1,W,1,+U,t,-cont,-,库伊克（,Koyck,）几何滞后形式,对模型：,Y,t,=+,0,X,t,+,1,X,t-1,+,k,X,t-k,+U,t,设：,k,=,0.,k,（,01,，分布滞后的下降率）,长期乘数,=,j,=,0.,k,=,0,/,（,1-,）,平均滞后,=,（,k,k,）,/,（,j,）,=/,（,1-,）,变换方法：广义差分变换,-,阿尔蒙（,Almon,）多项式滞后形式,对模型：,设：,j,=,0,+,1,j+,2,j,2,+,m,j,m,-cont,-,自适应期望模型,适应性规则：,X,t,e,X,t-1,e,=,（,X,t,X,t-1,e,）（*）,X,t,为,t,期的实际值；,X,t,e,为,t,期的期望值（预期值）；,为期望系数，,0 1,当,=0,时，,X,t,e,=X,t-1,e,期望值不变；,=1,时，,X,t,=X,t,e,期望值等于现值。,例子：货币需求量：,Y,t,=,0,+,1,X,t,e,+U,t,（,1,）,X,t,e,=X,t,+(1-)X,t-1,e,（,2,）,估计：（,2,）式代入模型（,1,）式、变形、整理，得到自回归模型，用,OLS,估计，可得,0,、,1,估计值。,-cont,-,局部调整模型,模型一：,Y,t,e,=,0,+,1,X,t,+U,t,（,1,）,令：,Y,t,Y,t-1,=,（,Y,t,e,Y,t-1,）（,2,）,为调整系数，,01,时，不用此检验。实际中并不常见！,（,3,）大样本时较实用，小样本时不恰当。,六、建模技术与方法（三）,虚拟自变量（,Dummy Variables,）回归,虚拟因变量的回归模型：,-,线性概率模型（,linear probability models,）,-,对数（线性）回归模型（,logistic regression,）,-,概率单位模型（,probit model,）,-,托比模型（,Tobit model,）,1,.,虚拟自变量的回归,虚拟变量的实质,属性变量、品质变量、二元变量、标记变量,虚拟变量回归方法,Y=,0,+,1,x,1,+,2,x,2,+,1,D,具有某种属性,不具有某种属性,例,1 ,大学教授性别差异而导致的工资差距,pp.494,例,2 ,是否吸烟对身体的影响,例,3 -,是否提供便捷服务对营业额的影响,-cont,参数的解释,E(y|D=1)=(,0,+,1,)+,1,x,1,+,2,x,2,E(y|D=0)=,0,+,1,x,1,+,2,x,2,y,E(y)=(,0,+,1,)+,1,x,1,+,2,x,2,E(y)=,0,+,1,x,1,+,2,x,2,1,0 x,-cont,多个虚拟变量的情况,-,pp 499-501,-,虚拟变量是一个多分定性变量,一般规则是虚拟变量的个数比变量分类数少一,例子：,p499-500,、,p511,-,虚拟变量是多个定性变量,例子：,p501,、,502,虚拟变量与回归的比较,例子：,p505-508,不同属性的交互作用,：,p509,-cont,分段回归中的虚拟变量,例子：,p513-514,在时间序列和横截面数据中合并使用虚拟变量,例子：,p515-518,其它技术问题,p518-521,1.,线性概率模型,虚拟因变量：,具有二分属性的因变量。,线性概率模型,：,Y,i,=,1,+,2,X,i,+U,i,其中，,Y,i,=1,具有某种属性,Y,i,=0,不具有某种属性,E,（,Y,i,|X,i,）,=,1,+,2,X,i,=P,i,LPM,的估计问题：,-Ui,的非正态性,-,Ui,的异方差性,-,可疑的拟合优度：,R,2,-cont,LPM,模型的,估计步骤：,pp539,step 1:,先是普通的,OLS,估计，,step 2:,用估计的,wi,做数据变幻，在对变换后的数据做,OLS,回归估计。,LPM,模型的,例子及应用：,pp540-545,2.,对数（线性）回归模型,模型：,-cont,特点：,pp549,估计：,pp550,551-552,例子及说明：,552-557,3.,概率单位模型,含义,估计及步骤：,例子：,p559,562-564,托比模型,截取（样本）回归模型,例子：,pp 566-567,第七讲 用,SPSS for Windows,做统计分析,功能介绍：,主要模块操作：,-,数据编辑,-,数据变换、转换,-,描述统计,-,多元回归及相关分析,-,主成分分析,-,聚类分析,-,逻辑回归模型,参见各种参考书目！,此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢,