应用计量经济学第章教案.ppt

缺少数据 如果没有数据怎么办？ 如果你通过查询所有可能的数据资料都没有找到相关数据，那么你应当怎么办？ 对这个问题的回答取决于“有多少数据是缺失的”？ 少量观测值： 截面数据 将这些观测值剔除样本 时间序列数据： 可以插入数据：使用相邻数据的均值 缺少数据 2. 根本没有观测值——对于部分理论可能是这样的： 从第6章已经知道，很可能导致遗漏解释变量的偏误 一个可能的方案是使用代理变量（proxy variable） 例如，净投资在一些国家的数据中可能是没有资料的 在这种情况下，可以使用总投资作为代理变量，背后的假定是净投资是总投资的一个比例部分 高级数据来源 到目前为止，所有的数据都是： 1. 截面数据或时间序列时间 2. 所有的数据是被“收集的”，不是被“创造的” 不过： 1. 时间序列数据与截面数据可以“混合”起来形成面板数据 2. 数据可以通过调查来“创造” 下面简要介绍这两种高级的数据来源，并说明为什么不使用这两种高级数据来源作为研究的首先 调查 我们社会的每一个角落，根据不同的目的，都可以进行调查，例如： 市场调查：通过调查获取产品信息、竞争情况 竞选民意调查：通过调查调查竞选的广告支出、策略 政府机构通常会进行不同目的的调查：人品普查、经济调查等 调查 当你决定使用调查作为你的数据来源时，一定要注意调查是比较困难的： 需要仔细的思考调查的可行性 与被调查者保持联系，可能还需要追加问题 问答的表达必须是清晰的，同时不能带有倾向性 样本选择必须是随机的，不能是有选择性的 不推荐经验研究的初学都使用调查的方法收集数据 面板数据 面板数据是由时间序列数据与截面数据“混合”而成，生成一个单独的数据集 使用面板数据的两个主要原因： 提高样本容量 提供时间序列数据、截面数据可能无法发现的一些线索 面板数据 例子：假设我们对预算赤字与利率水平的关系感兴趣，但是只有10年的数据可以获得 但是10个样本容量对于一个回归模型而言容量过小 但是，如果可以获得6个不同国家相同10年的预算赤字、利率水平的数据，我们将获得60个观测值，大大提高了样本容量 于是，我们得到了一个由截面数据、时间序列数据的集合——面板数据 第16章中将会讨论面板数据的估计方法 研究的建议 我们现在给出一些实际进行经验研究时的建议 建议被分成三个部分： 1. 应用计量经济学的10条戒律 (by Peter Kennedy) 如果得到了非期望的回归符号，应当检查哪些方面？ 需要重申的一些提示（这些提示将会涉及到其它章节） 11. 调整的标准误，例如， Newey–West标准误，或HC标准误将继续使用OLS系数估计值。仅仅是标准误的估计改变了，系数本身的估计没有被改变 (Chapters 9 and 10) 12. 最后，如果有怀疑，请依据基本的思想、经济理论，而不是统计检验 计量经济学家的道德 我们认为当计量经济学家估计经济模型时，有两个主要的目标： 1. 当尝试避免主要的计量经济问题时，应当尽可能少的使用不同的模型设定 惟一的例外是第6章第4节中的敏感性分析 2. 需要报告不同设定的数量、种类，于是，研究报告的阅读者能评估你的结论的份量 撰写研究报告 绝大多数好的研究报告都有一些共同的特点： 一个简介，定义了被解释变量，并指出研究的目的 一个简短的对之前的文献、研究的回顾 关于模型（方程）设定的解释 解释变量 函数形式 回归系数的预期的符号 数据描述 生成变量 数据来源 数据谬误（如果有的话） 撰写研究报告 使用标准的报告模式，报告每一个估计模型的结果 如果你估计超过一个设定的模型，记住解释哪一个是最好的，以及为什么是最好的 对回归结果的仔细分析： 讨论任何可能遭遇的计量经济问题 完成所有的报告： 估计的议程 假设检验 一个简短的总结/结论，并指出政策建议和对未来研究的建议 参考文献 附录中应包含所有的数据，所有的回归方程，所有电脑的输出结果 Table 11.2a 回归检查清单 Table 11.2b 回归检查清单 Table 11.2c 回归检查清单 Table 11.2d 回归检查清单 Table 11.3a 回归指南 Table 11.3b 回归指南 Table 11.3c 回归指南 * * * * * * * * * * * * * * * * * * 第11章 回归课题研究 Slides by Niels-Hugo Blunch Washington and Lee University 选择研究主题 选择研究主题至少要注意三个关键： 选择一个你感兴趣的领域，同时/或者你对该领域有些许了解 确保数据是可获得的，并要保证一定的样本容量，推荐不少于25个观测值 确保你的研究主题是有实质含义的： – 避免选择纯描述性的，或本质上是同义反复的研究