计量经济学期末复习重点-东北财经大学幻灯片.ppt

* 四、间接最小二乘法 (ILS) P264 步骤： 步骤1：从结构方程导出简化方程； 步骤2：对简化方程的每个方程用OLS方法回归； 步骤3：利用简化方程系数的估计值求结构方程系 数的估计值。 * 五、两阶段最小二乘法(2SLS) P270 1. 解释变量中的内生变量对所有外生变量回归，使用OLS估计(第一次)，得到相应内生变量的拟合值。 2. 用上一步中得到的工具变量 替换Y，用OLS估计变换后的回归方程(第二次)。 * 例：宏观经济模型 * 男女职工的平均年薪对工龄的函数具有相同截距B0，说明男女的初始年薪相同；但斜率不同，说明随着工龄的增长男女工资的增长幅度不同。 我们称这种虚拟变量只影响斜率不影响截距的模型为乘法模型。 * 五、混合模型 如果男性与女性的初始年薪和年薪增速都存在差异，我们可以将加法模型和乘法模型结合起来，得到如下模型： 上面的模型可以用来表示截距和斜率都发生变化的模型，称为混合模型； * 六、虚拟变量的几点说明 基准类：赋值为0的一类称为基准类； 差别系数：虚拟变量的系数； 差别截距系数； 差别斜率系数； 对于有截距项的模型，引入的虚拟变量个数应该比研究的类别少一个，否则就会造成完全多重共线，就是通常说的虚拟变量陷阱。 * 第8章 多重共线性 一、什么是多重共线性 多重共线性是指解释变量之间存在着完全或高度线性相关关系；可分为完全多重共线性和高度多重共线性；本书中所研究的多重共线性是指高度多重共线性。 当回归模型中的两个解释变量之间存在着完全多重共线性，我们就可以通过它们之间的线性关系消除掉其中一个变量；其后果表现为不能完全估计出模型的参数，只能估计出两变量参数的线性组合。 * 二、多重共线性问题的几点说明 1.当模型中存在着多重共线性问题时，普通最小二乘法估计量仍然是线性无偏最小方差估计量； 2.最小方差性并不意味着在任何给定的样本中普通最小二乘估计量的方差会很小； 3.即使总体上各个变量之间不存在线性相关，但却可能在具体获得的样本中存在线性相关，即多重共线性本质上是一个样本问题。 * 三、多重共线性的实际后果 1.OLS估计量的方差和标准差较大； 2.置信区间变宽； 3.模型R2值较高，t值不显著； 4.OLS估计量及其标准差对数据的变化敏感； 5.回归系数符号有误； 6.难以衡量各个解释变量对R2的贡献； * 四、多重共线性的测定 在研究多重共线性的测定问题之前，应该先明确下面两个问题： 1.多重共线性是一个程度问题而不是存在与否的问题；2.多重共线性是样本的特征，而不是总体的特征； 因此，测定的不是多重共线性存在与否的问题，而是测定给定样本的多重共线性程度问题。 * 五、多重共线性的测定方法 1.R2较高，但t值显著的不多； 2.解释变量之间两两高度相关； 3.辅助回归； 4.方差膨胀因素；P191 * 六、辅助回归 作每个变量对其他剩余变量的回归并计算相应的R2值。其中的每一个回归都被称为是从属或者辅助回归； 如果某个解释变量不是其他变量的线性组合，则该回归方程的R2显著为零。通过判断F值是否显著，判断变量之间是否存在共线性。 * 七、方差膨胀因素 通过代数替换方差公式可以改写为： 其中： R22表示X2对X3回归的拟合优度；我们称VIF为方差膨胀因素；VIF越大表示变量之间共线性的程度越高；VIF超过10，则认为是高度共线的。 * 八、修正多重共线性的方法 1.从模型中删除不重要的解释变量 2.获取额外的数据或新的样本 3.先验信息