《計(jì)量經(jīng)濟(jì)學(xué)（第四版）》教學(xué)PPT課件

《計(jì)量經(jīng)濟(jì)學(xué)（第四版）》教學(xué)PPT課件,計(jì)量經(jīng)濟(jì)學(xué)（第四版）,計(jì)量,經(jīng)濟(jì)學(xué),第四,教學(xué),PPT,課件 第六章第六章 非經(jīng)典截面數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型非經(jīng)典截面數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型 說(shuō)明說(shuō)明非經(jīng)典截面數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型非經(jīng)典截面數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型主要包括：主要包括：將被解釋變量抽樣由完全隨機(jī)擴(kuò)展為受到限制的將被解釋變量抽樣由完全隨機(jī)擴(kuò)展為受到限制的受限受限被解釋變量模型被解釋變量模型（Model with Limited Dependent Variable)。包括：。包括：選擇性樣本模型選擇性樣本模型(Selective Samples Model)持續(xù)時(shí)間被解釋變量模型持續(xù)時(shí)間被解釋變量模型（Model for Duration Data）將被解釋變量是連續(xù)的擴(kuò)展為離散的將被解釋變量是連續(xù)的擴(kuò)展為離散的離散被解釋變量離散被解釋變量模型模型（Model with Discrete Dependent Variable）。）。包括：包括：離散選擇模型離散選擇模型（Discrete Choice Model）計(jì)數(shù)數(shù)據(jù)模型計(jì)數(shù)數(shù)據(jù)模型（Model for Count Data）將單一截面的樣本擴(kuò)展為多個(gè)截面的將單一截面的樣本擴(kuò)展為多個(gè)截面的面板數(shù)據(jù)模型面板數(shù)據(jù)模型（Panel Data）。）。非經(jīng)典截面數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型也被稱為非經(jīng)典截面數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型也被稱為微觀計(jì)微觀計(jì)量經(jīng)濟(jì)學(xué)模型量經(jīng)濟(jì)學(xué)模型研究對(duì)象：研究對(duì)象：家庭、個(gè)人、企業(yè)等微觀主體的行為；家庭、個(gè)人、企業(yè)等微觀主體的行為；微觀主體具有異質(zhì)性。微觀主體具有異質(zhì)性。數(shù)據(jù)特征：數(shù)據(jù)特征：截面數(shù)據(jù)、面板數(shù)據(jù)；截面數(shù)據(jù)、面板數(shù)據(jù)；微觀數(shù)據(jù)的來(lái)源主要不是統(tǒng)計(jì)，而是調(diào)查；微觀數(shù)據(jù)的來(lái)源主要不是統(tǒng)計(jì)，而是調(diào)查；表征家庭、個(gè)人等微觀主體行為的數(shù)據(jù)經(jīng)常是離散表征家庭、個(gè)人等微觀主體行為的數(shù)據(jù)經(jīng)常是離散的；的；樣本選擇和觀測(cè)值的賦值經(jīng)常是受到限制的；樣本選擇和觀測(cè)值的賦值經(jīng)常是受到限制的；樣本數(shù)量大。樣本數(shù)量大。6.1 6.1 選擇性樣本計(jì)量經(jīng)濟(jì)學(xué)模型選擇性樣本計(jì)量經(jīng)濟(jì)學(xué)模型 一、經(jīng)濟(jì)生活中的選擇性樣本問(wèn)題一、經(jīng)濟(jì)生活中的選擇性樣本問(wèn)題二、二、“截?cái)嘟財(cái)唷眴?wèn)題的計(jì)量經(jīng)濟(jì)學(xué)模型問(wèn)題的計(jì)量經(jīng)濟(jì)學(xué)模型三、三、“歸并歸并”問(wèn)題的計(jì)量經(jīng)濟(jì)學(xué)模型問(wèn)題的計(jì)量經(jīng)濟(jì)學(xué)模型一、社會(huì)經(jīng)濟(jì)生活中的選擇性樣本問(wèn)題一、社會(huì)經(jīng)濟(jì)生活中的選擇性樣本問(wèn)題 1 1、“截?cái)嘟財(cái)唷保╰runcationtruncation）問(wèn)題）問(wèn)題 不能從全部截面?zhèn)€體，而只能從一部分個(gè)體中隨不能從全部截面?zhèn)€體，而只能從一部分個(gè)體中隨機(jī)抽取被解釋變量的樣本觀測(cè)值。機(jī)抽取被解釋變量的樣本觀測(cè)值。分為兩種情況分為兩種情況:一是，所抽取的部分個(gè)體的觀測(cè)值都大于或者小于某一是，所抽取的部分個(gè)體的觀測(cè)值都大于或者小于某個(gè)確定值，即出現(xiàn)個(gè)確定值，即出現(xiàn)“掐頭掐頭”或者或者“去尾去尾”的現(xiàn)象，與的現(xiàn)象，與其它個(gè)體的觀測(cè)值相比較，存在明顯的其它個(gè)體的觀測(cè)值相比較，存在明顯的“截?cái)帱c(diǎn)截?cái)帱c(diǎn)”。二是，所抽取的樣本觀測(cè)值來(lái)自于具有某些特征的部二是，所抽取的樣本觀測(cè)值來(lái)自于具有某些特征的部分個(gè)體，但是樣本觀測(cè)值的大小與其它個(gè)體的觀測(cè)值分個(gè)體，但是樣本觀測(cè)值的大小與其它個(gè)體的觀測(cè)值相比較，并不存在明顯的相比較，并不存在明顯的“截?cái)帱c(diǎn)截?cái)帱c(diǎn)”。樣本選擇受到限制。樣本選擇受到限制。2 2、“歸并歸并”(censoring)(censoring)問(wèn)題問(wèn)題 將被解釋變量的處于某一范圍的樣本觀測(cè)值都用將被解釋變量的處于某一范圍的樣本觀測(cè)值都用一個(gè)相同的值代替。一個(gè)相同的值代替。經(jīng)常出現(xiàn)在經(jīng)常出現(xiàn)在“檢查檢查”、“調(diào)查調(diào)查”活動(dòng)中，因此也稱為活動(dòng)中，因此也稱為“檢查檢查”(censoring)問(wèn)題。問(wèn)題。需求函數(shù)模型中用實(shí)際消費(fèi)量作為需求量的觀測(cè)值，需求函數(shù)模型中用實(shí)際消費(fèi)量作為需求量的觀測(cè)值，如果存在供給限制，就出現(xiàn)如果存在供給限制，就出現(xiàn)“歸并歸并”問(wèn)題。問(wèn)題。被解釋變量觀測(cè)值存在最高和最低的限制。例如考試被解釋變量觀測(cè)值存在最高和最低的限制。例如考試成績(jī)，最高成績(jī)，最高100，最低，最低0，出現(xiàn)，出現(xiàn)“歸并歸并”問(wèn)題。問(wèn)題。被解釋變量樣本觀測(cè)值受到限制。被解釋變量樣本觀測(cè)值受到限制。二、二、“截?cái)嘟財(cái)唷睌?shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型 1 1、思路、思路如果一個(gè)單方程計(jì)量經(jīng)濟(jì)學(xué)模型，只能從如果一個(gè)單方程計(jì)量經(jīng)濟(jì)學(xué)模型，只能從“掐頭掐頭”或者或者“去尾去尾”的連續(xù)區(qū)間隨機(jī)抽取被解釋變量的連續(xù)區(qū)間隨機(jī)抽取被解釋變量的樣本觀測(cè)值，那么很顯然，抽取每一個(gè)樣本觀的樣本觀測(cè)值，那么很顯然，抽取每一個(gè)樣本觀測(cè)值的概率以及抽取一組樣本觀測(cè)值的聯(lián)合概率，測(cè)值的概率以及抽取一組樣本觀測(cè)值的聯(lián)合概率，與被解釋變量的樣本觀測(cè)值不受限制的情況是不與被解釋變量的樣本觀測(cè)值不受限制的情況是不同的。同的。如果能夠知道在這種情況下抽取一組樣本觀測(cè)值如果能夠知道在這種情況下抽取一組樣本觀測(cè)值的聯(lián)合概率函數(shù)，那么就可以通過(guò)該函數(shù)極大化的聯(lián)合概率函數(shù)，那么就可以通過(guò)該函數(shù)極大化求得模型的參數(shù)估計(jì)量。求得模型的參數(shù)估計(jì)量。2 2、截?cái)喾植?、截?cái)喾植?如果服從均勻分布U(a,b)，但是它只能在(c,b)內(nèi)取得樣本觀測(cè)值，那么取得每一個(gè)樣本觀測(cè)值的概率 為隨機(jī)變量分布范圍內(nèi)的一個(gè)常數(shù) 服從正態(tài)分布 是標(biāo)準(zhǔn)正態(tài)分布條件概率函數(shù) 3 3、截?cái)啾唤忉屪兞繑?shù)據(jù)模型的最大似然估計(jì)、截?cái)啾唤忉屪兞繑?shù)據(jù)模型的最大似然估計(jì) 求解該求解該1階極值條件，即可以得到模型的參數(shù)估計(jì)階極值條件，即可以得到模型的參數(shù)估計(jì)量。量。由于這是一個(gè)復(fù)雜的非線性問(wèn)題，需要采用迭代由于這是一個(gè)復(fù)雜的非線性問(wèn)題，需要采用迭代方法求解，例如牛頓法。方法求解，例如牛頓法。4 4、演示例題、演示例題農(nóng)村居民消費(fèi)模型農(nóng)村居民消費(fèi)模型根據(jù)對(duì)農(nóng)民消費(fèi)行為的分析，發(fā)現(xiàn)農(nóng)民的消費(fèi)水根據(jù)對(duì)農(nóng)民消費(fèi)行為的分析，發(fā)現(xiàn)農(nóng)民的消費(fèi)水平（平（Y）既取決于來(lái)自于農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)的持久收入）既取決于來(lái)自于農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)的持久收入（X1），也受到來(lái)自于從事非農(nóng)生產(chǎn)的瞬時(shí)收入），也受到來(lái)自于從事非農(nóng)生產(chǎn)的瞬時(shí)收入（X2）的影響?，F(xiàn)有某地區(qū)）的影響?，F(xiàn)有某地區(qū)50戶農(nóng)戶的人均消費(fèi)、戶農(nóng)戶的人均消費(fèi)、人均持久收入和人均瞬時(shí)收入的樣本觀測(cè)值，試人均持久收入和人均瞬時(shí)收入的樣本觀測(cè)值，試圖建立該地區(qū)農(nóng)民消費(fèi)模型。圖建立該地區(qū)農(nóng)民消費(fèi)模型。樣樣本本觀觀測(cè)測(cè)值值選擇截?cái)鄶?shù)據(jù)選擇截?cái)鄶?shù)據(jù)ML估計(jì)估計(jì)將樣本視為不受限制的隨機(jī)抽取將樣本視為不受限制的隨機(jī)抽取 將樣本視為人均消費(fèi)大于將樣本視為人均消費(fèi)大于1500元的范圍內(nèi)隨機(jī)抽取元的范圍內(nèi)隨機(jī)抽取 將樣本視為在人均消費(fèi)大于將樣本視為在人均消費(fèi)大于1500元、小于元、小于6000元的范圍元的范圍內(nèi)隨機(jī)抽取內(nèi)隨機(jī)抽取 比較比較3種假設(shè)下的對(duì)數(shù)似然函數(shù)值可見，隨著截?cái)喾N假設(shè)下的對(duì)數(shù)似然函數(shù)值可見，隨著截?cái)鄥^(qū)間的縮小，抽取同一個(gè)樣本的概率增大，致使區(qū)間的縮小，抽取同一個(gè)樣本的概率增大，致使對(duì)數(shù)似然函數(shù)值增大。對(duì)數(shù)似然函數(shù)值增大。5 5、為什么截?cái)啾唤忉屪兞繑?shù)據(jù)模型不能采用、為什么截?cái)啾唤忉屪兞繑?shù)據(jù)模型不能采用普通最小二乘估計(jì)普通最小二乘估計(jì) 對(duì)于截?cái)啾唤忉屪兞繑?shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型，如果對(duì)于截?cái)啾唤忉屪兞繑?shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型，如果仍然把它看作為經(jīng)典的線性模型，采用仍然把它看作為經(jīng)典的線性模型，采用OLS估計(jì)，估計(jì)，會(huì)產(chǎn)生什么樣的結(jié)果？會(huì)產(chǎn)生什么樣的結(jié)果？因?yàn)橐驗(yàn)閥i只能在大于只能在大于a的范圍內(nèi)取得觀測(cè)值，那么的范圍內(nèi)取得觀測(cè)值，那么yi的條件均值為：的條件均值為：由于被解釋變量數(shù)據(jù)的截?cái)鄦?wèn)題，使得原模型變由于被解釋變量數(shù)據(jù)的截?cái)鄦?wèn)題，使得原模型變換為包含一個(gè)非線性項(xiàng)模型。換為包含一個(gè)非線性項(xiàng)模型。如果采用如果采用OLS直接估計(jì)原模型：直接估計(jì)原模型：實(shí)際上忽略了一個(gè)非線性項(xiàng)；實(shí)際上忽略了一個(gè)非線性項(xiàng)；忽略了隨機(jī)誤差項(xiàng)實(shí)際上的異方差性。忽略了隨機(jī)誤差項(xiàng)實(shí)際上的異方差性。這就造成參數(shù)估計(jì)量的偏誤，而且如果不了解解釋變這就造成參數(shù)估計(jì)量的偏誤，而且如果不了解解釋變量的分布，要估計(jì)該偏誤的嚴(yán)重性也是很困難的。量的分布，要估計(jì)該偏誤的嚴(yán)重性也是很困難的。6 6、一點(diǎn)說(shuō)明、一點(diǎn)說(shuō)明如果對(duì)截?cái)啾唤忉屪兞繑?shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型采用如果對(duì)截?cái)啾唤忉屪兞繑?shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型采用最大似然估計(jì)，必須首先求得最大似然估計(jì)，必須首先求得“截?cái)喾植冀財(cái)喾植肌保瑸?，為此，必須存在明確的此，必須存在明確的“截?cái)帱c(diǎn)截?cái)帱c(diǎn)”。在實(shí)際的截?cái)鄶?shù)據(jù)模型中，這個(gè)條件經(jīng)常不能被在實(shí)際的截?cái)鄶?shù)據(jù)模型中，這個(gè)條件經(jīng)常不能被滿足，諸如利用上市公司為樣本研究全部企業(yè)的滿足，諸如利用上市公司為樣本研究全部企業(yè)的行為，就不存在明確的被解釋變量的行為，就不存在明確的被解釋變量的“截?cái)帱c(diǎn)截?cái)帱c(diǎn)”。關(guān)于這類模型的估計(jì)，關(guān)于這類模型的估計(jì)，Heckman于于1979年提出年提出了兩步修正法。了兩步修正法。下面以一個(gè)實(shí)例說(shuō)明兩步修正法的原理和步驟。下面以一個(gè)實(shí)例說(shuō)明兩步修正法的原理和步驟。模型模型為了研究為了研究企業(yè)企業(yè)經(jīng)理報(bào)酬經(jīng)理報(bào)酬W與影響因素與影響因素X之間的關(guān)系，在之間的關(guān)系，在上市公司上市公司中隨機(jī)抽取中隨機(jī)抽取n1個(gè)企業(yè)為樣本，建立如下的模個(gè)企業(yè)為樣本，建立如下的模型：型：-為為了修正偏了修正偏誤誤，在全部企在全部企業(yè)業(yè)（包括上市和未上市）中隨機(jī)（包括上市和未上市）中隨機(jī)抽取抽取n2個(gè)企業(yè)為樣本，建立如下的二元離散選擇模型：個(gè)企業(yè)為樣本，建立如下的二元離散選擇模型：經(jīng)理報(bào)酬模型經(jīng)理報(bào)酬模型上市傾向模型上市傾向模型修正原理修正原理逆米爾斯比逆米爾斯比inverse mills ratio 該模型已經(jīng)修正了選擇性偏誤，可以采用該模型已經(jīng)修正了選擇性偏誤，可以采用OLS進(jìn)行估計(jì)。進(jìn)行估計(jì)。具體步驟具體步驟第一步：利用從全部企業(yè)（包括上市和未上市）中隨第一步：利用從全部企業(yè)（包括上市和未上市）中隨機(jī)抽取的樣本，估計(jì)上市傾向模型機(jī)抽取的樣本，估計(jì)上市傾向模型；并利用估計(jì)結(jié)果；并利用估計(jì)結(jié)果計(jì)算逆米爾斯比的值。計(jì)算逆米爾斯比的值。第二步，利用選擇性樣本觀測(cè)值和計(jì)算得到的逆米爾第二步，利用選擇性樣本觀測(cè)值和計(jì)算得到的逆米爾斯比的值，將斯比的值，將(1)作為一個(gè)待估計(jì)參數(shù)，估計(jì)經(jīng)理作為一個(gè)待估計(jì)參數(shù)，估計(jì)經(jīng)理報(bào)酬模型，得到報(bào)酬模型，得到1的估計(jì)。的估計(jì)。注意，在抽取樣本時(shí)間必須保證所有選擇性樣本包含注意，在抽取樣本時(shí)間必須保證所有選擇性樣本包含于全部樣本之中于全部樣本之中。三、三、“歸并歸并”數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型 1 1、思路、思路以一種簡(jiǎn)單的情況為例，討論以一種簡(jiǎn)單的情況為例，討論“歸并歸并”問(wèn)題的計(jì)問(wèn)題的計(jì)量經(jīng)濟(jì)學(xué)模型。即假設(shè)被解釋變量服從正態(tài)分布，量經(jīng)濟(jì)學(xué)模型。即假設(shè)被解釋變量服從正態(tài)分布，其樣本觀測(cè)值以其樣本觀測(cè)值以0為界，凡小于為界，凡小于0的都?xì)w并為的都?xì)w并為0，大，大于于0的則取實(shí)際值。如果的則取實(shí)際值。如果y*以表示原始被解釋變量，以表示原始被解釋變量，y以表示歸并后的被解釋變量，那么則有：以表示歸并后的被解釋變量，那么則有：?jiǎn)畏匠叹€性單方程線性“歸并歸并”問(wèn)題的計(jì)量經(jīng)濟(jì)學(xué)模型為：?jiǎn)栴}的計(jì)量經(jīng)濟(jì)學(xué)模型為：如果能夠得到如果能夠得到y(tǒng)i的概率密度函數(shù)，那么就可以方便的概率密度函數(shù)，那么就可以方便地采用最大似然法估計(jì)模型，這就是研究這類問(wèn)題地采用最大似然法估計(jì)模型，這就是研究這類問(wèn)題的思路。的思路。由于該模型是由由于該模型是由Tobin于于1958年最早提出的，所以年最早提出的，所以也稱為也稱為Tobit模型。模型。2 2、“歸并歸并”變量的正態(tài)分布變量的正態(tài)分布 由于原始被解釋變量由于原始被解釋變量y*服從正態(tài)分布，有服從正態(tài)分布，有 3 3、歸并被解釋變量數(shù)據(jù)模型的最大似然估計(jì)、歸并被解釋變量數(shù)據(jù)模型的最大似然估計(jì) 該似然函數(shù)由兩部分組成，一部分對(duì)應(yīng)于沒(méi)有限該似然函數(shù)由兩部分組成，一部分對(duì)應(yīng)于沒(méi)有限制的觀測(cè)值，是經(jīng)典回歸部分；一部分對(duì)應(yīng)于受制的觀測(cè)值，是經(jīng)典回歸部分；一部分對(duì)應(yīng)于受到限制的觀測(cè)值。到限制的觀測(cè)值。這是一個(gè)非標(biāo)準(zhǔn)的似然函數(shù)，它實(shí)際上是離散分這是一個(gè)非標(biāo)準(zhǔn)的似然函數(shù)，它實(shí)際上是離散分布與連續(xù)分布的混合。布與連續(xù)分布的混合。如果樣本觀測(cè)值不是以如果樣本觀測(cè)值不是以0為界，而是以某一個(gè)數(shù)值為界，而是以某一個(gè)數(shù)值a為界，則有為界，則有 估計(jì)原理與方法相同。估計(jì)原理與方法相同。4 4、演示例題、演示例題將將3個(gè)個(gè)5800視視為歸并為歸并數(shù)據(jù)數(shù)據(jù)選擇歸并估計(jì)選擇歸并估計(jì)估計(jì)結(jié)果估計(jì)結(jié)果比較不受限制和歸并假設(shè)下的對(duì)數(shù)似然函數(shù)值可比較不受限制和歸并假設(shè)下的對(duì)數(shù)似然函數(shù)值可見，將樣本中見，將樣本中3個(gè)個(gè)5800元的觀測(cè)值視為元的觀測(cè)值視為5800元的元的歸并時(shí)，歸并時(shí)，抽取該觀測(cè)值的概率顯著增大，致使模抽取該觀測(cè)值的概率顯著增大，致使模型估計(jì)的對(duì)數(shù)似然函數(shù)值顯著增大。型估計(jì)的對(duì)數(shù)似然函數(shù)值顯著增大。5 5、歸并被解釋變量模型最大似然估計(jì)的條件、歸并被解釋變量模型最大似然估計(jì)的條件 構(gòu)造歸并數(shù)據(jù)似然函數(shù)時(shí)是以一個(gè)基本假設(shè)為條件構(gòu)造歸并數(shù)據(jù)似然函數(shù)時(shí)是以一個(gè)基本假設(shè)為條件的，即假設(shè)歸并數(shù)據(jù)中不可觀測(cè)的部分和可觀測(cè)的的，即假設(shè)歸并數(shù)據(jù)中不可觀測(cè)的部分和可觀測(cè)的部分具有相同的分布，例如都服從正態(tài)分布。部分具有相同的分布，例如都服從正態(tài)分布。如果這一條件得不到滿足，就不能得到似然函數(shù)，如果這一條件得不到滿足，就不能得到似然函數(shù)，最大似然估計(jì)將遇到困難。最大似然估計(jì)將遇到困難。這時(shí)，這時(shí)，Heckman兩步估計(jì)是一種合適的估計(jì)方法。兩步估計(jì)是一種合適的估計(jì)方法。