第6章 多元回归分析其他问题.ppt

Conclusions 6 factors appear to play a big role in determining sovereign credit ratings - incomes, GDP growth, inflation, external debt, industrialised or not, and default history. The ratings provide more information on yields than all of the macro factors put together. We cannot determine well what factors influence how the markets will react to ratings announcements. Comments on the Paper Only 49 observations for first set of regressions and 35 for yield regressions and up to 10 regressors No attempt at reparameterisation Little attempt at diagnostic checking Where did the factors (explanatory variables) come from? * 讨论 * * * * * * * * * * * 第六章 多元回归分析：其他问题 本章讨论多元回归方法在应用中的一些问题 6.1 测度单位对OLS统计量的影响 6.2 对函数形式的进一步讨论 6.3 拟合优度和回归元选择的进一步讨论 6.4 多重共线性 6.5 预测和残差分析 6.6 案例研究 6.1 测度单位对OLS估计量的影响 当变量重新测度时，系数、标准误、置信区间、t统计量和F统计量改变的方式，都不会影响所有被测度的影响程度和检验结果。以例说明： 因变量测度单位的变化的影响 自变量测度单位的变化的影响 贝塔系数：有时反映关键变量影响的斜率系数是一个难以解释的度量，如考试分数等。此时采用标准化系数或贝塔系数可能有帮助。设原始方程为 6.1 测度单位对OLS估计量的影响 进行标准化后的回归为： 标准化系数 与原系数的关系为： 解释为xj增加一个标准差，因变量增加的标准差个数。 标准化系数不受变量测度单位的影响，可以用来判断解释变量的重要性。 例6.1 中利用标准化系数可说明，污染比犯罪对房价产生更大的影响。 标准化系数存在使用不方便的缺点。 6.2 函数形式的进一步讨论 对数函数形式：对以下模型的系数进行解释： Rooms前面的系数常解释为，多增加一个房间，结果会提高30.6%，但这种解释是近似的，精确应该是： 以上的调整对小的百分数变化而言不那么重要。 在应用研究中广泛应用对数形式的原因： 使用对数对系数的解释具有吸引力，且不受测度单位影响 使用对数比使用水平的因变量更接近CLM假定，如缓和异方差和偏态性。 取对数可缩小变量取值范围，减弱对异常值的敏感度。 6.2 函数形式的进一步讨论 使用对数形式的经验法则： 对金额表示的变量通常可以取对数。 对人数、雇员总数和学校注册人数等变量可取对数。 以年度量的变量（受教育年限、工作经历、任职年限和年龄等）通常用原形。 比例或百分比变量（如失业率、参与率、拘捕率和通过率等）既可使用原形，也可使用对数，但要区分百分点的变化与百分比的变化。 6.2 函数形式的进一步讨论 使用对数形式的局限： 变量不能取零或负值，有时可用： 使用对数形式的因变量，难以预测原变量的值。 以y作为因变量的模型与以log(y)作为因变量的模型，不能比较R2，没有直接方法比较两种模型优劣 含二次型的模型：为了描述递减或递增的边际效应，常使用二次型： 6.2 函数形式的进一步讨论 边际效应的形式为： 可代入样本中的x的平均值、中位数或上下四分位数。 在多数应用中， 常为正，而 为负，此时具有抛物线形态，存在一个转折点： 当模型中因变量为对数形式，而自变量以二次形式出现时，解释需要小心，如例6.2。 对数形式的二次型可说明弹性是非参数的。 6.2 函数形式的进一步讨论 含有交互作用项的模型：因变量对一个解释变量的偏效应、弹性或半弹性可能受另一解释变量的影响，这就需要交互项的使用。如： Bdrms对price的偏效应为： 例6.3 解释 6.3 拟合优度和回归元选择的进一步讨论 初学者往往倾向于过度强调R-平方，有些情况下R－平方可能人为地偏高，低R-平方只是说明仍有一些影响y的因素