专题截面数据模型

《专题截面数据模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、《计量经济学》课件教师：周靖祥单位：湘潭大学商学院Email1:zjx2010@sina.cnEmail2:zhoujingx@126.comCourseZJX201009第九专题截面数据模型（一）本讲要点：一、截面数据类型及举例二、截面数据论文三、异方差123一、截面数据类型举例：（一）国家层面（二）行业层面（三）企业层面（四）政府层面（五）居民家庭层面（六）居民个人层面二、截面数据论文举例：（一）拜年与择校（二）通过买房而择校——教育影响房价的实证证据（三）烟叶种植业转型可能吗？——YN省SZ县农户视角考察三、违背基本假设：异

2、方差满足基本假定的OLS估计具有BLUE优良性。(BestLinearUnbiasedEstmator)然而实际问题中，基本假定往往得不到满足，使OLS方法失效不再具有BLUE特性。估计参数时，必须检验基本假定是否满足，并针对基本假定不满足的情况，采取相应的补救措施或者新的方法。BLUE的优良性【1】最小二乘估计量是线性估计量——估计量是因变量观察值的线性组合【2】最小二乘估计量是无偏估计量——估计量的数学期望等于被估计的参数【3】最小二乘估计量是一切线性、无偏估计量中的最佳估计量，方差最小这些性质是由高斯-马尔科夫定理定义。不满

3、足基本假定高斯-马尔科夫定理失效【1】随机扰动项的方差不等于常数=>异方差截面数据时，经常出现异方差【2】随机扰动项具有水平变动=>变量误差模型【3】随机扰动项与所有自变量不相关=>自变量之间不相关=>多重共线【4】通常不会发生随机扰动项均值=0与非线性模型的假设不满足的情形回顾基本假定【1】残差纵向变动（隐含自变量X是确定性变量）【2】E(ei)=0（随机项均值为零）【3】Var(ei)=2（同方差）【4】Cov(ei,ej)=0（随机项无自相关）【5】Cov(x,ei)=0（随机项与解释变量X不相关）<==>自变量间不相关

4、【6】数据生成过程为线性过程（线性模型）Y=X+e计量经济学检验有两种基本方法图示法和解析法图示法是利用残差序列绘制出各种图形，以供分析检验使用。包括：【1】时间为X轴，残差e为Y轴的残差序列图【2】因变量估计值y^为X轴，残差e为Y轴的Y^-e散点图【3】解释变量为X轴，残差e（或e2）为Y轴的x-e散点图【4】残差e的直方图也可以使用误差项的平方来作图。解析法导出检验统计量的解析式，根据一些准则，进行检验。例如：【1】检验自相关的Durbin-Watson检验【2】检验异方差的Goldfeld-Quandt检验（一）异方差的

5、定义产生异方差：原因1：样本异质原因2：“分组”资料储蓄模型Cobb-Douglass生产函数1、图示法及其类型异方差是指e的方差随着x的变化而变化。故可以根据x-y或残差x-e2的散点图，对异方差是否存在及其类型作出判断。异方差大致可分为三种：（1）递增异方差（2）递减异方差（3）复杂型异方差（二）异方差的检验（如何发现异方差）E-views软件：纺锤型反纺锤型漏斗型反漏斗型其它有规律可寻的图形2、解析法【1】RESET检验【2】WHITE检验【3】GEJSTER检验【4】Goldfeld-Quant检验【5】Park检验