扩展的单方程计量经济学模型课件

《扩展的单方程计量经济学模型课件》由会员分享，可在线阅读，更多相关《扩展的单方程计量经济学模型课件（112页珍藏版）》请在金锄头文库上搜索。

1、第七章 扩展的单方程计量经济学模型,7.1 变参数线性单方程计量经济学模型 7.2 非线性单方程计量经济学模型 7.3 二元离散选择模型 *7.4 平行数据计量经济学模型,7.1 变参数单方程计量经济学模型,一、确定性变参数模型 *二、随机变参数模型,说明,常参数模型与变参数模型。真正的常参数模型只存在于假设之中，变参数的情况是经常发生的。 模型参数是变量，但不是随机变量，而是确定性变量，称为确定性变参数模型。 模型参数不仅是变量，而且是随机变量，称为随机变参数模型。 内容广泛，本节仅讨论最简单的变参数模型。,一、确定性变参数模型,参数随某一个变量呈规律性变化,实际经济问题中的实例：具有经济意

2、义的参数受某一因素的影响。,模型的估计 p为确定性变量，与随机误差项不相关，可以用OLS方法估计，得到参数估计量。 可以通过检验1、1是否为0来检验变量p是否对、有影响。,参数作间断性变化,在实际经济问题中，往往表示某项政策的实施在某一时点上发生了变化。,这类变参数模型的估计，分3种不同情况。,（1）n0已知 可以分段建立模型，分段估计模型（CHOW方法） Chow 检验,例8.1.1 数据,例8.1.1 散点图,19641972 估计结果,19731980 估计结果,19641980 估计结果,Chow Test,3.80（1%显著性水平）5.096.70（5%显著性水平），在0.023的显

3、著性水平下拒绝H0。,也可以引入虚变量，建立一个统一的模型（Gujarati方法）,分段,n0未知，但,一般可以选择不同的n0 ，进行试估计，然后从多次试估计中选择最优者。选择的标准是使得两段方程的残差平方和之和最小。,n0未知，且,将n0看作待估参数，用最大或然法进行估计。,（2）n0未知,*二、随机变参数模型, 参数在一常数附近随机变化,将原模型转换为具有异方差性的模型，而且已经推导出随机误差项的方差与解释变量之间的函数关系。,可以采用经典线性计量经济学模型中介绍的估计方法，例如加权最小二乘法等方法很方便地估计参数。 一种普遍的形式是1968年提出的的变参数 Hildreth-Houck模

4、型 。, 参数随某一变量作规律性变化，同时受随机因素影响,将原模型转换为具有异方差性的多元线性模型。,可以采用经典线性计量经济学模型中介绍的估计方法，例如加权最小二乘法等方法很方便地估计参数。, 自适应回归模型,由影响常数项的变量具有一阶自相关性所引起。 是实际经济活动中常见的现象。 采用广义最小二乘法（GLS）估计模型参数 。,7.2简单的非线性单方程计量经济学模型,一、非线性单方程计量经济学模型概述 二、非线性普通最小二乘法 三、例题及讨论,说明,非线性计量经济学模型在计量经济学模型中占据重要的位置 ；已经形成内容广泛的体系，包括变量非线性模型、参数非线性模型、随机误差项违背基本假设的非线

5、性问题等；,非线性模型理论与方法已经形成了一个与线性模型相对应的体系，包括从最小二乘原理出发的一整套方法和从最大或然原理出发的一整套方法。 本节仅涉及最基础的、具有广泛应用价值的非线性单方程模型的最小二乘估计。,一、非线性单方程计量经济学模型概述, 解释变量非线性问题,现实经济现象中变量之间往往呈现非线性关系 需求量与价格之间的关系 成本与产量的关系 税收与税率的关系 基尼系数与经济发展水平的关系 通过变量置换就可以化为线性模型, 可以化为线性的包含参数非线性的问题,函数变换,级数展开,不可以化为线性的包含参数非线性的问题,与上页的方程比较，哪种形式更合理？ 直接作为非线性模型更合理。,二、非

6、线性普通最小二乘法, 普通最小二乘原理,如何求解非线性方程？, 高斯牛顿(Gauss-Newton)迭代法,高斯牛顿迭代法的原理 对原始模型展开台劳级数，取一阶近似值,构造并估计线性伪模型,构造线性模型,估计得到参数的第1次迭代值,迭代,高斯牛顿迭代法的步骤, 牛顿拉夫森(Newton-Raphson)迭代法,自学，掌握以下2个要点 牛顿拉夫森迭代法的原理 对残差平方和展开台劳级数，取二阶近似值； 对残差平方和的近似值求极值； 迭代。,与高斯牛顿迭代法的区别 直接对残差平方和展开台劳级数，而不是对其中的原模型展开； 取二阶近似值，而不是取一阶近似值。,应用中的一个困难,如何保证迭代所逼近的是总

7、体极小值（即最小值）而不是局部极小值？ 需要选择不同的初值，进行多次迭代求解。,非线性普通最小二乘法在软件中的实现,给定初值 写出模型 估计模型 改变初值 反复估计,三、例题与讨论,例8.2.1 农民收入影响因素分析模型,分析与建模：经过反复模拟，剔除从直观上看可能对农民收入产生影响但实际上并不显著的变量后，得到如下结论：改革开放以来，影响我国农民收入总量水平的主要因素是从事非农产业的农村劳动者人数、农副产品收购价格和农业生产的发展规模。,用I表示农民纯收入总量水平、Q表示农业生产的发展规模、P表示农副产品收购价格、L表示从事非农产业的农村劳动者人数。收入采用当年价格；农业生产的发展规模以按可

8、比价格计算的、包括种植业、林业、牧业、副业和渔业的农业总产值指数为样本数据；农副产品收购价格以价格指数为样本数据。,农民收入及相关变量数据,线性化模型估计结果,非线性模型估计结果（1978-1997）,非线性模型估计结果（1980-1997）,拟合结果（PIFIS-线性、PIFNIS-非线性）,结构分析,LNPI = -4.722 + 0.511*LNPQ + 0.786*LNPP + 0.855*LNNPL + AR(1)=0.825,AR(2)=-0.663 PI=0.00158*PQ1.786*PP0.271*NPL0.370 结构参数（弹性）差异很大 从经济意义方面分析，哪个更合理？,

9、7.3 二元离散选择模型 Binary Discrete Choice Model,一、二元离散选择模型的经济背景 二、二元离散选择模型 三、二元Probit离散选择模型及其参数估计 *四、二元Logit离散选择模型及其参数估计 五、一个实例,说明,在经典计量经济学模型中，被解释变量通常被假定为连续变量。 离散被解释变量数据计量经济学模型（Models with Discrete Dependent Variables）和离散选择模型(DCM, Discrete Choice Model)。 二元选择模型(Binary Choice Model)和多元选择模型(Multiple Choice

10、Model)。 本节只介绍二元选择模型。,一、二元离散选择模型的经济背景,研究选择结果与影响因素之间的关系。 影响因素包括两部分：决策者的属性和备选方案的属性。 对于两个方案的选择。例如，两种出行方式的选择，两种商品的选择。由决策者的属性和备选方案的属性共同决定。,对于单个方案的取舍。例如，购买者对某种商品的购买决策问题 ，求职者对某种职业的选择问题，投票人对某候选人的投票决策，银行对某客户的贷款决策。由决策者的属性决定。,二、二元离散选择模型,1、原始模型,其中Y为观测值为1和0的决策被解释变量，X为解释变量，包括选择对象所具有的属性和选择主体所具有的属性。,对于,问题在于：该式右端并没有处

11、于0，1范围内的限制，实际上很可能超出0，1的范围；而该式左端，则要求处于0，1范围内。于是产生了矛盾。,对于随机误差项 ，具有异方差性 。因为:,所以原始模型不能作为实际研究二元选择问题的模型。,2、效用模型,作为研究对象的二元选择模型,第i个个体 选择1的效用,第i个个体 选择0的效用,3、最大似然估计,欲使得效用模型可以估计，就必须为随机误差项选择一种特定的概率分布。 两种最常用的分布是标准正态分布和逻辑（logistic）分布，于是形成了两种最常用的二元选择模型Probit模型和Logit模型。 最大似然函数及其估计过程如下：,标准正态分布或逻辑分布的对称性,在样本数据的支持下，如果知

12、道概率分布函数和概率密度函数，求解该方程组，可以得到模型参数估计量。,三、二元Probit离散选择模型及其参数估计,1、标准正态分布的概率分布函数,2、重复观测值不可以得到情况下二元Probit离散选择模型的参数估计,关于参数的非线性函数，不能直接求解，需采用完全信息最大似然法中所采用的迭代方法。 应用计量经济学软件。 这里所谓“重复观测值不可以得到”，是指对每个决策者只有一个观测值。即使有多个观测值，也将其看成为多个不同的决策者。,3、重复观测值可以得到情况下二元Probit离散选择模型的参数估计,对每个决策者有多个重复（例如10次左右）观测值。 对第i个决策者重复观测ni次，选择yi=1的

13、次数比例为pi，那么可以将pi作为真实概率Pi的一个估计量。,建立 “概率单位模型” ，采用广义最小二乘法估计 。 实际中并不常用。 详见教科书。,*四、二元Logit离散选择模型及其参数估计,1、逻辑分布的概率分布函数,2、重复观测值不可以得到情况下二元logit离散选择模型的参数估计,关于参数的非线性函数，不能直接求解，需采用完全信息最大似然法中所采用的迭代方法。 应用计量经济学软件。,3、重复观测值可以得到情况下二元logit离散选择模型的参数估计,对每个决策者有多个重复（例如10次左右）观测值。 对第i个决策者重复观测ni次，选择yi=1的次数比例为pi，那么可以将pi作为真实概率Pi

14、的一个估计量。,建立“对数成败比例模型” ，采用广义最小二乘法估计 。 实际中并不常用。 详见教科书。,五、例题,例8.3.2 贷款决策模型,分析与建模：某商业银行从历史贷款客户中随机抽取78个样本，根据设计的指标体系分别计算它们的“商业信用支持度”（XY）和“市场竞争地位等级”（SC），对它们贷款的结果（JG）采用二元离散变量，1表示贷款成功，0表示贷款失败。目的是研究JG与XY、SC之间的关系，并为正确贷款决策提供支持。,样本观测值,模型估计输出结果,回归方程表示如下： JGF = 1-CNORM(-(8.797358375 - 0.2578816624*XY + 5.061788664*

15、SC) 模拟：该方程表示，当XY和SC已知时，代入方程，可以计算贷款成功的概率JGF。例如，将表中第19个样本观测值XY=15、SC=1代入方程右边，计算括号内的值为0.1326552；,查标准正态分布表，对应于0.1326552的累积正态分布为0.5517；于是，JG的预测值JGF=10.5517=0.4483，即对应于该客户，贷款成功的概率为0.4483。,预测：如果有一个新客户，根据客户资料，计算的“商业信用支持度”（XY）和“市场竞争地位等级”（SC），代入模型，就可以得到贷款成功的概率，以此决定是否给予贷款。,*8.4固定影响平行数据模型 Panel Data Model with

16、Fixed-Effects,一、平行数据模型概述 二、模型的设定F检验 三、固定影响变截距模型 四、固定影响变系数模型,一、平行数据模型概述,1、平行数据（Panel Data，面板数据）,时间序列数据 截面数据 平行数据 平行数据模型（Panel Data Model）已经成为计量经济学的一个独立分支,2、经济分析中的平行数据问题,宏观经济分析中的平行数据问题 目前应用较多 数据较容易获得，例如多个地区的时间序列数据,微观经济分析中的平行数据问题 目前应用较少 很难获得微观个体（家庭、个人）的时间序列数据,3、平行数据模型的三种情形,情形1，在横截面上无个体影响、无结构变化，则普通最小二乘估计给出了和的一致有效估计。相当于将多个时期的截面数据放在一起作为样本数据。,情形2，变截距模型(Panel Data Mod