計量經(jīng)濟學

Econometrics

多元回歸分析：深入專題提要一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響二、對函數(shù)形式的深入討論三、擬合優(yōu)度與回歸元選擇的深入研究四、預測與殘差分析一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響在第２章中，我們簡要地討論了改變度量單位對OLS截距和斜率估計值的影響回歸模型的類型。一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響表6-1一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響具體分析如下一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響具體分析-續(xù)一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響

具體分析-續(xù)一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響關于β系數(shù)關于β系數(shù)-續(xù)一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響關于β系數(shù)-續(xù)一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響關于β系數(shù)-例6.1一、數(shù)據(jù)測度單位對OLS統(tǒng)計量的影響本節(jié)討論關于函數(shù)形式的一些變形和推廣1、關于對數(shù)函數(shù)形式的深入討論二、對函數(shù)形式的深入討論二、對函數(shù)形式的深入討論1、關于對數(shù)函數(shù)形式的深入討論-續(xù)二、對函數(shù)形式的深入討論1、關于對數(shù)函數(shù)形式的深入討論-續(xù)二、對函數(shù)形式的深入討論1、關于對數(shù)函數(shù)形式的深入討論-續(xù)1、關于對數(shù)函數(shù)形式的深入討論-續(xù)利用對數(shù)函數(shù)的優(yōu)缺點二、對函數(shù)形式的深入討論二、對函數(shù)形式的深入討論2、含二次式的模型在應用經(jīng)濟學中，為描述遞減或遞增的邊際效應，常常用到二次函數(shù)。二、對函數(shù)形式的深入討論2、含二次式的模型-續(xù)二、對函數(shù)形式的深入討論2、含二次式的模型-續(xù)例子二、對函數(shù)形式的深入討論2、含二次式的模型-續(xù)例子

二、對函數(shù)形式的深入討論2、含二次式的模型-續(xù)例子二、對函數(shù)形式的深入討論2、含二次式的模型-續(xù)例子二、對函數(shù)形式的深入討論2、含二次式的模型-續(xù)注意二、對函數(shù)形式的深入討論3、含有交互項的模型因變量對一個解釋變量的偏效應、彈性或半彈性，有時很自然地取決于另一個解釋變量的大小。二、對函數(shù)形式的深入討論3、含有交互項的模型-續(xù)二、對函數(shù)形式的深入討論3、含有交互項的模型-續(xù)例子二、對函數(shù)形式的深入討論3、含有交互項的模型-續(xù)例子-續(xù)三、擬合優(yōu)度與回歸元選擇的深入研究關于R2的缺點

如果依據(jù)R2的大小來選擇一組解釋變量，這可能導致一些不合理的模型。回歸前面的內容可以發(fā)現(xiàn)：關于R2的缺點：

在方程中增加變量時，R2的相對變化則十分明顯增大。一個小的R2所引起的重要后果使預測變得更加困難。由于y的大多數(shù)變化都被不可觀測的因素所解釋，因而在給定解釋變量的值后利用OLS方程預測y未來的結果會非常困難。三、擬合優(yōu)度與回歸元選擇的深入研究1、調整R2大多數(shù)回歸軟件包既報告R2，也報告被稱為調整R2的統(tǒng)計量。三、擬合優(yōu)度與回歸元選擇的深入研究1、調整R2-續(xù)三、擬合優(yōu)度與回歸元選擇的深入研究2、利用調整R2在兩個非嵌套模型當中進行選擇定義：兩個方程中，由于沒有哪一個是另一個的特殊情形，所以它們是非嵌套模型（nonnestedmodels）。三、擬合優(yōu)度與回歸元選擇的深入研究例子三、擬合優(yōu)度與回歸元選擇的深入研究為什么調整R2可以這樣用三、擬合優(yōu)度與回歸元選擇的深入研究思考題6.4R2的局限性三、擬合優(yōu)度與回歸元選擇的深入研究例題6.4CEO的薪酬與企業(yè)業(yè)績三、擬合優(yōu)度與回歸元選擇的深入研究3、回歸分析中控制因素過多

當過分強調擬合優(yōu)度，就會在回歸模型中無所顧忌地控制一些不應該控制的因素。為了避免這種錯誤，記住對多元回歸模型的其他條件不變的解釋。三、擬合優(yōu)度與回歸元選擇的深入研究3、回歸分析中控制因素過多-續(xù)三、擬合優(yōu)度與回歸元選擇的深入研究3、回歸分析中控制因素過多-續(xù)關注時R2的注意事項三、擬合優(yōu)度與回歸元選擇的深入研究4、增加回歸元減少誤差方法前面幾個例子說明，盡管有些自變量與因變量相關，也不應該包括在回歸模型中。一方面，從第３章了解到，回歸中增加一個新的自變量會加劇多重共線性的問題。另一方面，由于可從誤差項中取出一些因素作為解釋變量，所以總是可以減少誤差方差，但一般而言，我們不知道哪方面的影響會占據(jù)主導地位。三、擬合優(yōu)度與回歸元選擇的深入研究4、增加回歸元減少誤差方法-續(xù)三、擬合優(yōu)度與回歸元選擇的深入研究四、預測與殘差分析1、預測值的置信區(qū)間預測確實非常有用，但由于預測值是通過使用OLS估計量而得到的，所以它們存在抽樣波動的問題。本節(jié)說明，如何從OLS回歸線得到預測值的置信區(qū)間。1、預測值的置信區(qū)間-續(xù)四、預測與殘差分析1、預測值的置信區(qū)間-續(xù)例題6.5大學GPA預測值的置信區(qū)間四、預測與殘差分析1、預測值的置信區(qū)間-續(xù)例題6.5大學GPA預測值的置信區(qū)間-續(xù)四、預測與殘差分析1、預測值的置信區(qū)間-續(xù)預測誤差四、預測與殘差分析1、預測值的置信區(qū)間-續(xù)預測誤差的方差四、預測與殘差分析1、預測值的置信區(qū)間-續(xù)例題四、預測與殘差分析2、當因變量為log(y)時對y的預測四、預測與殘差分析2、當因變量為log(y)時對y的預測-續(xù)四、預測與殘差分析四、預測與殘差分析2、當因變量為log(y)