实证研究方法论——Stata应用 课件 第5章 横截面数据的计量经济分析II.pptx

第5章 横截面数据的计量经济分析II;主要内容 不满足同方差假定：异方差的检验与修正 不满足不存在完全共线性假定或存在多重共线性的检验与修正 不满足条件均值为零假定：内生性的检验与修正 不满足参数线性假定：参数非线性模型的估计与推断 不满足随机抽样假定：非随机样本的处理 不满足误差正态性假定：限值因变量模型的估计与推断 ;回归分析：基本假定诊断;回归分析－基本假定;回归基本假定的违反：异方差（Heteroskedasticity）;回归基本假定的违反：异方差;只要不可观测因素的方差随着解释变量的取值变化而变化 ，同方差条件就不满足。 如果扰动项的方差同一个或多个解释变量显著相关，就存在异方差 （1）BP检验。以残差作为误差项的估计值，检验误差项和自变量的相关性 检验的步骤： 1.用OLS估计模型，获得残差平方 2.通过解释变量对残差平方回归，获得拟合优度 3.通过构造F或LM统计量进行判断 这一方法被称为布罗施-帕甘（Breusch-Pagan test，BP test） （2）White检验。在检验中加入了误差项的平方项和交互项 ;use /ec- p/data/wooldridge/GPA3,clear reg cumgpa sat hsperc tothrs female black white if term==2 hettest whitetst;如果模型存在异方差，则必须对其进行修正。目前，对异方差的修正方法主要有：异方差-稳健估计、加权最小二乘估计、可行广义最小二乘估计。 （1）异方差-稳健估计 通过计算调整的标准误，可以报告正确的t和F值 无论总体中出现的异方差性类型如何（包括同方差），我们都能报告异方差一稳健的标准误。因为无论误差方差是否为常数，而且我们还不需要知道到底是哪种情况，它们都（至少在大样本下）是有效的。;异方差修正：使用异方差-稳健的T和F统计量;在reg命令后加入选项 robust vce(robust) vce(hc2) vce(hc3) vce means variance estimators 可计算异方差-稳健t和F统计量 注意，如果数据是混合横截面数据或面板数据，应当使用cluster选项，具体见第6章的分析;use /ec-p/data/wooldridge/GPA3,clear reg cumgpa sat hsperc tothrs female black white if term==2 test black white reg cumgpa sat hsperc tothrs female black white if term==2,robust test black white;回??基本假定的违反：多重共线性;回归基本假定的违反：多重共线性;回归基本假定的违反：多重共线性;回归基本假定的违反：内生性;回归基本假定的违反：内生性;回归基本假定的违反：内生性;回归基本假定的违反：内生性;遗漏变量与冗余变量; 例：遗漏变量和增加无关变量对OLS估计的影响 * 理论基础： 对于模型 y = a0 + a1*x_1 + a2*x_2 + u u -- N(0,1) 若回归中遗漏了 x_1，则 a_2 的 OLS 估计将是有偏的； 若回归中增加了多余的变量 x_3，则 a_1 和 a_2 的 OLS 估计仍然是无偏的； * 真实数据生成过程： y = 0.5 + x_1 + 2*x_2;clear set obs 100 gen x1 = invnormal(uniform()) gen x2 = invnormal(uniform()) gen x3 = invnormal(uniform()) gen y = 0.5 + 1*x1 + 2*x2 save myomit_data, replace;*------------------------------------ cap program drop myomit program define myomit, eclass version 9.2 syntax varlist tempvar u y gen `u = invnormal(uniform()) gen `y = y + `u /*让干扰项变动是模拟的基础*/ reg `y `varlist end *------------------------------------;* 真实数据过程 * 正确设定模型 use myomit_dat