西南财经大学计量经济学复习0609.docx

上传人:b****4 文档编号:4677886 上传时间:2022-12-07 格式:DOCX 页数:62 大小:447.63KB
下载 相关 举报
西南财经大学计量经济学复习0609.docx_第1页
第1页 / 共62页
西南财经大学计量经济学复习0609.docx_第2页
第2页 / 共62页
西南财经大学计量经济学复习0609.docx_第3页
第3页 / 共62页
西南财经大学计量经济学复习0609.docx_第4页
第4页 / 共62页
西南财经大学计量经济学复习0609.docx_第5页
第5页 / 共62页
点击查看更多>>
下载资源
资源描述

西南财经大学计量经济学复习0609.docx

《西南财经大学计量经济学复习0609.docx》由会员分享,可在线阅读,更多相关《西南财经大学计量经济学复习0609.docx(62页珍藏版)》请在冰豆网上搜索。

西南财经大学计量经济学复习0609.docx

西南财经大学计量经济学复习0609

博士高级计量经济学复习

基本要点

基本思路、基本原理、具体操作、结果读解,已达到正确运用计量经济学建模技术之目的。

计量经济学建模过程中,参数估计、检验、推断是基本要件。

如何理解这些要件在面板数据、微观计量经济学和经典计量经济学三者间的区别与关联?

模型设定面板数据模型设定的初衷;具体设定过程与步骤

微观计量经济学模型的设定思路及具体过程;

经典计量经济学的设定过程

具体操作过程及结果的读解

等等。

估计

例如,fe估计,违反弱外生性假设,然后,。

又如,边际效应分析,密度函数与无密度函数

再如,OLS与ML,似然函数与残差平方和的写法;

多种估计方法的原理及比较

具体操作过程及结果的读解

等等。

检验检验与估计方法相依,不同估计方法对应不同检验统计量

FE、RE检验的思路与原理,应用的范围

ADF检验,面板数据模型与时间序列的联系与区别;具体计算细节(自己体会)

LLC与IPS的思路、原理及比较分析

具体操作过程及结果的读解

等等

推断

分类描述:

面板数据模型与非面板数据模型在多处具有相似性。

在面板数据模型的模型设定中,需要考虑以下的主要问题:

1.模型设定问题

(1)平稳性问题(包括LLC、IPS检验法的基本原理,检验结果的读解);

(2)“斜率”系数问题(变斜率系数与不变斜率系数的检验方法以及基本原理,检验结果的读解);

(3)“截距”系数问题(包括FE、RE、pool等的检验方法以及基本原理,检验结果的计算与读解);

(4)检验的策略

2.估计问题(只涉及平稳数据的估计问题)

(1)一维情形下的估计问题(包括FE和RE的估计方法以及基本原理,估计结果的读解);

(2)pool回归与FE、RE回归的区别

3.检验问题

(1)F检验的应用前提条件及计算过程;

(2)异方差性的检验(组内、组间以及总体方差的异方差性的检验方法以及基本原理,检验结果的计算与读解);

(3)自相关性的检验(组内、组间以及总体的自相关性的检验方法以及基本原理,检验结果的计算与读解);

4.不同检验统计量的零假设、检验统计量的构成与计算、前提条件、结果读解。

微观部分

二元选择模型

(1)概率基础

(2)模型设定与估计(似然函数)

(3)模型估计检验结果读解

有序选择模型

(1)模型设定预估计(似然函数)

(2)模型估计检验结果读解

线性面板

线性回归模型

 

例题

微观部分

1.设有

(1)试推导Logit模型关于

的边际效应;

(2)有人得到以下实证分析结果,请对结果给出自己的解释;

(3)计算实证分析中解释变量GPA和TUCE的边际效应;

(4)试对如下结果中LRstatistic(3df)=15.54585的含义进行解释。

DependentVariable:

GRADE

Method:

ML-BinaryProbit(Quadratichillclimbing)

Date:

08/12/09Time:

23:

15

Sample:

132

Includedobservations:

32

Convergenceachievedafter5iterations

Covariancematrixcomputedusingsecondderivatives

Variable

Coefficient

Std.Error

z-Statistic

Prob.  

C

-7.452320

2.542472

-2.931132

0.0034

GPA

1.625810

0.693882

2.343063

0.0191

TUCE

0.051729

0.083890

0.616626

0.5375

PSI

1.426332

0.595038

2.397045

0.0165

Meandependentvar

0.343750

    S.D.dependentvar

0.482559

S.E.ofregression

0.386128

    Akaikeinfocriterion

1.051175

Sumsquaredresid

4.174660

    Schwarzcriterion

1.234392

Loglikelihood

-12.81880

    Hannan-Quinncriter.

1.111906

Restr.loglikelihood

-20.59173

    Avg.loglikelihood

-0.400588

LRstatistic(3df)

15.54585

    McFaddenR-squared

0.377478

Probability(LRstat)

0.001405

ObswithDep=0

21

     Totalobs

32

ObswithDep=1

11

 

答案

Thelogitmodelorlogisticregressionmodelspecifies

(1)

where

isthelogisticcdf,with

.

Logit模型的边际效应

Probit模型的边际效应

故有:

GPA

1.625810

0.5333

TUCE

0.051729

0.01697

PSI

1.426332

0.4678

LRstatistic(3df)=15.54585的含义是对Probit/Logit模型中所有的斜率系数均等于0的假设进行检验。

,查表,

,拒绝原假设。

 

2.在实际应用中,常遇见随机扰动项的分布设定问题。

例如,如下的伽马分布(Gammadistribution)

中,若设定

,则成为了指数分布(exponentialdistribution)

这里,约束条件为

为此,某人进行了如下检验:

;

其中,一些具体的公式如下:

利用极大似然估计ML,得到如下结果(括号内数据为标准差):

Unrestricted

Restricted

3.1517(0.794292)

1.00

-4.7198(2.341235)

15.6052(6.790987)

-82.91444

-88.43771

0.000

0.000

0.000

7.9162

-0.85628

-0.021654

-7.4569

-32.8987

-2.2423

-0.66885

试依据上述结果,回答下列问题(给定

):

1、计算似然比检验(LikelihoodRatioTest)统计量的值,并进行判断;

2、计算沃尔德检验(WaldTest)统计量的值,并进行判断。

 

答案:

1、LikelihoodRatioTest

,Reject

2、WaldTest:

;

,Reject

 

3.在关于工作努力状况问题的调查问卷中,有如下的调查问题:

就目前的工作岗位而言,需要自己处于非常努力的状态。

(0)强烈反对

(1)反对

(2)无所谓(3)同意(4)非常同意

分别对1753家公司中的19510位员工进行调查并得到相关的调查数据后,我们依据分析目的,设定的Latent模型为:

其中,

是第f家公司中第i位员工对工作努力态度的偏好,解释变量的含义如下:

w

以平均工资为基本标准计算的工资。

例如,某员工的工资等于平均工资,则

;若高于平均工资234元,则

Male

性别虚拟变量(0/1),男性为1.

Edu

教育程度虚拟变量(0/1),大学为1

Health

健康状况虚拟变量(0/1),健康为1

Perm

签订合同状况虚拟变量(0/1),签订永久合同为1

Tumem

会员状况虚拟变量(0/1),是会员为1

Emp

在调查中,员工所在公司的排序编号

Empsq

员工所在公司编号的平方

依据调查问卷设计有:

Effort

Index0=stronglydisagree,1=disagree,2=neitheragreenordisagree,3=agree,4=stronglyagree

相应的观测模型为:

当假设

遵从标准正态分布时,我们有如下stata软件的估计结果:

oprobeff1relwfirmmalewhitehealthpermtumemempempsq;

Orderedprobitestimates

Numberofobs=19510

LRchi2(8)=470.30

Prob>chi2=0.0000

Loglikelihood=-22124.227

PseudoR2=0.0105

eff1

Coef.

Std.Err.

z

P>|z|

[95%Conf.Interval]

w

.2761184

.0213419

12.94

0.000

.2342891

.3179477

male

-.2547255

.0160936

-15.83

0.000

-.2862683

-.2231826

white

-.1968963

.0440379

-4.47

0.000

-.2832089

-.1105836

health

.0176182

.017328

1.02

0.309

-.016344

.0515805

perm

.097243

.0335359

2.90

0.004

.0315138

.1629722

tumem

.1364387

.0163371

8.35

0.000

.1044186

.1684588

emp

-.0000811

.0000204

-3.97

0.000

-.0001211

-.000041

empsq

6.11e-09

2.26e-09

2.70

0.007

1.67e-09

1.06e-08

_cut1

-3.063746

.0722249

(Ancillaryparameters,辅助参数)

_cut2

-1.966417

.0568277

_cut3

-1.001023

.0553364

_cut4

.3880693

.0550301

(1)试写出上表的回归模型表达式。

(2)试求出上表回归模型的边际效应的表达式。

(3)有一来自第13家公司男生,其身体健康、工资为平均水平、签有永久合同且不是会员,在其问卷调查中,选择“非常同意”的概率是多少?

(4)为了计算相应的边际效应,我们用Stata软件机进行分析,有如下结果:

Probit模型回归结果:

.oprobeff1wmaleeduhealthpermtumemempempsq;

predictpp0pp1pp2pp3pp4,p;

eff1

Coef.

Std.Err.

z

P>|z|

[95%Conf.Interval]

w

.2761184

.0213419

12.94

0.000

.2342891

.3179477

male

-.2547255

.0160936

-15.83

0.000

-.2862683

-.2231826

edu

-.1968963

.0440379

-4.47

0.000

-.2832089

-.1105836

health

.0176182

.017328

1.02

0.309

-.016344

.0515805

perm

.097243

.0335359

2.90

0.004

.0315138

.1629722

tumem

.1364387

.0163371

8.35

0.000

.1044186

.1684588

emp

-.0000811

.0000204

-3.97

0.000

-.0001211

-.000041

empsq

6.11e-09

2.26e-09

2.70

0.007

1.67e-09

1.06e-08

_cut1

-3.063746

.0722249

(Ancillaryparameters)

_cut2

-1.966417

.0568277

_cut3

-1.001023

.0553364

_cut4

.3880693

.0550301

其中,oprob为stata中对orderedprobit模型进行回归的命令。

边际效应计算结果:

.mfxcompute,predict(outcome(4));

Marginaleffectsafteroprobit

y=Pr(eff1=4)(predict,outcome(4))=.27804591

Variable

dy/dx

Std.Err.

z

P>|z|

[95%C.I.]

w

.0926318

.00716

12.93

0.000

.078589

.106675

-.071163

male*

-.0854741

.0054

-15.84

0.000

-.096053

-.074895

.513378

edu*

-.0693456

.01618

-4.29

0.000

-.101054

-.037637

.966376

health*

.0058994

.00579

1.02

0.308

-.005451

.01725

.680113

perm*

.0317714

.01066

2.98

0.003

.010888

.052655

.941825

tumem*

.0460378

.00554

8.30

0.000

.035173

.056903

.42081

emp

-.0000272

.00001

-3.97

0.000

-.000041

-.000014

295.934

empsq

2.05e-09

.00000

2.70

0.007

5.6e-10

3.5e-09

509435

其中,mfx为stata中计算边际效应的命令,

表示模型的斜率(边际效应)。

为了弄清楚mfx命令计算边际效应的具体过程,我们按照相应的边际效应表达式,进行了具体计算,步骤如下:

的计算过程

0.2761184

-0.071163

-0.01965

-0.2547255

0.513378

-0.13077

-0.1968963

0.966376

-0.19028

0.0176182

0.680113

0.011982

0.097243

0.941825

0.091586

0.1364387

0.42081

0.057415

-0.0000811

295.934

-0.024

6.11E-09

509435

0.003113

-0.2006

请效仿上述计算步骤,给出下表中w的边际效应计算步骤(提示:

注意此种情况下的边际效应表达式的差异性)。

.mfxcompute,predict(outcome

(2));

Marginaleffectsafteroprobit

y=Pr(eff1==2)(predict,outcome

(2))=.173017

variable

dy/dx

Std.Err.

z

P>|z|

[95%C.I.]

X

w

-.0567923

.00445

-12.75

0.000

-.065522

-.048062

-.071163

male*

.0521267

.00334

15.61

0.000

.045581

.058673

.513378

edu*

.0386936

.00821

4.72

0.000

.022611

.054776

.966376

health*

-.0036283

.00357

-1.02

0.310

-.010632

.003375

.680113

perm*

-.0203127

.00711

-2.86

0.004

-.034239

-.006386

.941825

tumem*

-.0279082

.00334

-8.36

0.000

-.03445

-.021366

.42081

emp

.0000167

.00000

3.96

0.000

8.4e-06

.000025

295.934

empsq

-1.26e-09

.00000

-2.70

0.007

-2.2e-09

-3.4e-10

509435

解答

(1)试写出上表的回归模型表达式。

(2)试求出上表回归模型的边际效应的表达式。

(3)有一来自第13家公司男生,其身体健康、工资为平均水平、签有永久合同且不是会员,在其问卷调查中,选择“非常同意”的概率是多少?

依据题意,有x=0,Male=1,Health=1,Perm=1,Tumem=0,Emp=13,Empsq=169,选择“非常同意”的概率为:

(4)为了计算相应的边际效应,我们用Stata软件机进行分析,有如下结果:

Probit模型回归结果:

.oprobeff1wmaleeduhealthpermtumemempempsq;

predictpp0pp1pp2pp3pp4,p;

eff1

Coef.

Std.Err.

z

P>|z|

[95%Conf.Interval]

w

.2761184

.0213419

12.94

0.000

.2342891

.3179477

male

-.2547255

.0160936

-15.83

0.000

-.2862683

-.2231826

edu

-.1968963

.0440379

-4.47

0.000

-.2832089

-.1105836

health

.0176182

.017328

1.02

0.309

-.016344

.0515805

perm

.097243

.0335359

2.90

0.004

.0315138

.1629722

tumem

.1364387

.0163371

8.35

0.000

.1044186

.1684588

emp

-.0000811

.0000204

-3.97

0.000

-.0001211

-.000041

empsq

6.11e-09

2.26e-09

2.70

0.007

1.67e-09

1.06e-08

_cut1

-3.063746

.0722249

(Ancillaryparameters)

_cut2

-1.966417

.0568277

_cut3

-1.001023

.0553364

_cut4

.3880693

.0550301

其中,oprob为stata中对orderedprobit模型进行回归的命令。

边际效应计算结果:

.mfxcompute,predict(outcome(4));

Marginaleffectsafteroprobit

y=Pr(eff1=4)(predict,outcome(4))=.27804591

Variable

dy/dx

Std.Err.

z

P>|z|

[95%C.I.]

w

.0926318

.00716

12.93

0.000

.078589

.106675

-.071163

male*

-.0854741

.0054

-15.84

0.000

-.096053

-.074895

.513378

edu*

-.0693456

.01618

-4.29

0.000

-.101054

-.037637

.966376

health*

.0058994

.00579

1.02

0.308

-.005451

.01725

.680113

perm*

.0317714

.01066

2.98

0.003

.010888

.052655

.941825

tumem*

.0460378

.00554

8.30

0.000

.035173

.056903

.42081

emp

-.0000272

.00001

-3.97

0.000

-.000041

-.000014

295.934

empsq

2.05e-09

.00000

2.70

0.007

5.6e-10

3.5e-09

509435

其中,mfx为stata中计算边际效应的命令,

表示模型的斜率(边际效应)。

为了弄清楚mfx命令计算边际效应的具体过程,我们按照相应的边际效应表达式,进行了具体计算,步骤如下:

的计算过程

0.2761184

-0.071163

-0.01965

-0.2547255

0.513378

-0.13077

-0.1968963

0.966376

-0.19028

0.0176182

0.680113

0.011982

0.097243

0.941825

0.091586

0.1364387

0.42081

0.057415

-0.0000811

295.934

-0.024

6.11E-09

509435

0.003113

-0.2006

基本计算步骤相似,致使注意边际效应表达式中的差异性。

 

对于某一关于工作状态的调查结果有以下分析。

其中,被解释变量JOB为三种状态(不满意、一般、满意),解释变量为年龄(AGE),学历(SCHOOL)和性别(GENDER)。

DependentVariable:

JOB

Method:

ML-OrderedProbit(Quadratichillclimbing)

Date:

06/16/14Time:

16:

44

Sample:

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 表格模板 > 表格类模板

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1