第5章线性回归模型的应用.ppt

第5章线性回归模型的应用 线性回归模型的应用5.1 多元线性回归分析与因素控制 多元回归与因素控制 5.1.2 缺失变量偏差 5.1.3 分割回归、F-W定理和影响消除5.2 模型中变量的形式 5.2.1 对数模型和弹性 5.2.2 非线性自变量 线性回归模型的应用5.3 虚拟变量 5.3.1 虚拟变量的引入方式 5.3.2 引入多个虚拟变量5.4 参数约束检验 5.4.1 参数约束检验方法 5.4.2 参数约束检验应用重要概念 5.1 多元线性回归分析与因素控制多元回归与因素控制5.1.2 缺失变量偏差5.1.3 分割回归、F-W定理和影响消除 5.1 多元线性回归分析与因素控制多元回归与因素控制 经济数据的生成受很多因素的影响，要研究所关注因素对经济过程的影响，必须对其它因素的影响进行控制。 例子5.1 气温与冷饮消费 不能丢掉相关变量AirCd，否则可能产生缺失变量内生性问题。 5.1 多元线性回归分析与因素控制5.1.2 缺失变量偏差 丢掉相关变量，相当于将其放入误差项，如果丢掉的变量与其他解释变量相关，间接地就导致解释变量与误差项相关。 的估计偏差：例子5.1（续） 若回归的模型是： 5.1 多元线性回归分析与因素控制5.1.2 缺失变量偏差例子5.1（续） 且AirCd受Whether影响表示为： 为上式中对 的估计偏差的大小和方向由 和 共同决定。 5.1 多元线性回归分析与因素控制5.1.2 缺失变量偏差结论1：缺失变量偏误设完整回归模型为 ，误差项 满足外生性假设。丢掉变量 后的模型为 。 与 的关系可表示为回归 ， 为 的OLS估计。丢掉变量 导致的OLS估计偏误为 5.1 多元线性回归分析与因素控制5.1.2 缺失变量偏差 例子5.2 货币需求量 邹志庄的模型 泰勒和纽豪斯的模型 5.1 多元线性回归分析与因素控制5.1.3 分割回归、F-W定理和影响消除 分割回归步骤： 第一步：对以 为因变量， 、 为自变量的回归模型 进行OLS估计，得到回归残差 ； 第二步：对以 为因变量， 、 为自变量的回归模型 进行OLS估计，得到回归残差 ； 5.1 多元线性回归分析与因素控制5.1.3 分割回归、F-W定理和影响消除 分割回归步骤： 第三步：对以 为因变量， 为自变量进行一元线性回归 ， 的OLS估计 便是 的OLS估计。 结 论2： 等于回归系数 的OLS估计。(F-W定理)其直观意义即是： 的回归系数的OLS估计，等于剔除 和 的影响后 对 的一元线性回归的回归系数OLS估计。 5.2 模型中变量的形式5.2.1 对数模型和弹性5.2.2 非线性自变量 5.2 模型中变量的形式5.2.1 对数模型和弹性前面的模型中回归系数刻画的都是边际效应：解释变量变化以单位所能引起的被解释变量变化的单位。（不能消除单位的影响）弹性则采用相应的百分比变化，不受单位的影响。对数模型的回归系数表示的就是弹性 取对数能降低数据量级,宏观数据经常取对数。 5.2 模型中变量的形式5.2.2 非线性自变量 将加入的非线性自变量看做新的自变量，模型就还是线性的。平方项：年龄对工资收入的影响、平均成本和产量的关系（例子5.4）、工资收入和阅历的关系双曲线模型逻辑曲线模型 生灭过程（例子5.5） 5.3 虚拟变量5.3.1 虚拟变量的引入方式5.3.2 引入多个虚拟变量 5.3 虚拟变量只取值0和1的自变量称为虚拟变量，也称为哑变量（dummy variable）或者二值变量（b