計(jì)量經(jīng)濟(jì)學(xué)（第四版）課件：估計(jì)方法的擴(kuò)展

計(jì)量經(jīng)濟(jì)學(xué)（第四版）估計(jì)方法的擴(kuò)展計(jì)量經(jīng)濟(jì)學(xué)

估計(jì)方法的擴(kuò)展28二月2024重點(diǎn)問題兩項(xiàng)選擇模型：Probit模型和Logit模型斷尾回歸模型與截取回歸模型固定效應(yīng)模型和隨機(jī)效應(yīng)模型估計(jì)方法的擴(kuò)展28二月2024主要內(nèi)容第一節(jié)

離散選擇模型

第二節(jié)

受限因變量模型

第三節(jié)

面板數(shù)據(jù)估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型在實(shí)際經(jīng)濟(jì)問題的分析中，除可以利用連續(xù)變量表示居民消費(fèi)或企業(yè)投資規(guī)模外，還會(huì)遇到一些表示研究對象的數(shù)量或狀態(tài)的離散變量。如：可用0，1，2……表示企業(yè)申請專利數(shù)，也可用0或1說明企業(yè)是否申請專利事項(xiàng)。在將離散變量理解成僅表示選擇狀態(tài)的基礎(chǔ)上，可以進(jìn)一步地利用離散變量討論類似家庭是否購房或某人是否有工作等問題。如果某個(gè)家庭是否購買住房或某人是否有工作的狀態(tài)僅是作為用于說明某種具體經(jīng)濟(jì)問題的自變量，則應(yīng)用以前介紹的虛擬變量的知識就足夠了。估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型

如果現(xiàn)在考慮某個(gè)家庭在一定的條件下是否購買住房或某人在一定的條件下是否有工作等問題，則表示狀態(tài)的虛擬變量就不再是自變量，而是作為一個(gè)被說明對象的因變量出現(xiàn)在經(jīng)濟(jì)模型中。因?yàn)樵诩彝ナ欠褓彿炕蚰橙耸欠裼泄ぷ鞯冗x擇問題中，虛擬因變量的具體取值僅是為了區(qū)別不同的狀態(tài)，所以將通過虛擬因變量討論備擇對象選擇的回歸模型稱為選擇模型。估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型

作為最簡單的選擇模型，可以考慮只具有兩個(gè)備擇對象的兩項(xiàng)選擇模型。兩項(xiàng)選擇模型具有廣泛的應(yīng)用性，它不僅可以用于討論家庭購房等問題，還可以用于討論家庭購房是否申請銀行貸款、家庭成員是否利用公共交通設(shè)施等兩者擇一的問題。估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型1.兩項(xiàng)選擇模型的推導(dǎo)

約定在具有備擇對象的0和1兩項(xiàng)選擇模型中，下標(biāo)t表示各不同的經(jīng)濟(jì)主體，取值0或1的因變量yt表示經(jīng)濟(jì)主體的具體選擇結(jié)果，而影響經(jīng)濟(jì)主體進(jìn)行選擇的自變量xt為(1，x2t，x3t，…，xkt)，與自變量xt相關(guān)的回歸模型參數(shù)β為(β1，β2，β3，…，βk)′

兩項(xiàng)選擇模型可以寫成

yt=xtβ+ut

（6-1）估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型為避免出現(xiàn)回歸模型的因變量預(yù)測值偏離0或1的情形，需要限制因變量的取值范圍并對回歸模型式(6-1)進(jìn)行必要的修正。將討論確定性取值為0或1的兩項(xiàng)選擇模型轉(zhuǎn)換成討論經(jīng)濟(jì)主體具體選擇0或1的不同備擇對象的概率兩項(xiàng)選擇模型：

E(yt|xt)=1×P(yt=1|xt)+0×(1-P(yt=1|xt))=P(yt=1|xt)(6-2)估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型

利用線性函數(shù)xtβ描述兩項(xiàng)選擇模型的條件期望值E(yt|xt),得

P(yt=1|xt)=xtβ一般地,將利用線性函數(shù)描述選擇概率的式(6-3)稱為線性概率模型(LinearProbabilityModel)。式(6-3)不能保證選擇備擇對象1的概率函數(shù)P(yt=1|xt)始終在［0，1］范圍內(nèi)取值的要求，就需要對式(6-3)進(jìn)行必要的修正，在線性函數(shù)之外尋找滿足概率函數(shù)取值要求的回歸模型。作為對線性概率模型的修正，（6-3）估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型在兩項(xiàng)選擇模型中引入轉(zhuǎn)換函數(shù)F(xtβ)而保證回歸模型的因變量取值范圍始終位于［0，1］區(qū)間。

P(yt=1|xt)=F(xtβ)

P(yt=0|xt)=1-F(xtβ)（6-4）進(jìn)一步的可將兩項(xiàng)選擇模型表示成非線性回歸模型yt=F(xtβ)+ut

（6-5）估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型

Probit模型Logit模型標(biāo)準(zhǔn)正態(tài)分布函數(shù)Φ(xtβ)作為轉(zhuǎn)換函數(shù)F(xtβ)Logistic函數(shù)Λ(xtβ)作為轉(zhuǎn)換函數(shù)F(xtβ)

估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型2.兩項(xiàng)選擇模型的參數(shù)β估計(jì)（極大似然估計(jì)）估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型3.兩項(xiàng)選擇模型對現(xiàn)實(shí)問題描述能力的衡量估計(jì)方法的擴(kuò)展28二月2024第一節(jié)離散選擇模型4.多元選擇模型可以考慮類似旅游地的選擇、品牌選擇或者職業(yè)選擇等問題。（1）多元選擇模型基本上還是需要通過最大似然法獲得多元選擇模型參數(shù)的一致統(tǒng)計(jì)估計(jì)量；（2）多元選擇模型也可以使用不同的概率函數(shù)形式；（3）多元選擇模型還涉及無關(guān)備擇的獨(dú)立性問題。常用的多元選擇模型基本上還主要是多元Logit模型。估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型在現(xiàn)實(shí)中，需要考慮從總體的一個(gè)受限部分抽取的樣本推斷總體特征的問題，就形成了受限因變量模型(LimitedDependentVariableModels)。

斷尾回歸模型(TruncatedRegressionModel)

截取回歸模型(CensoredRegressionModel)

只能得到分析對象在特定區(qū)間以內(nèi)的因變量和自變量觀察值的情形能得到全部自變量和部分因變量觀察值的情形估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型1.斷尾分布及其性質(zhì)斷尾分布是指未斷尾分布在大于某個(gè)特定斷尾值以上的部分或小于某個(gè)特定斷尾值以下的部分。如果連續(xù)隨機(jī)變量x的概率密度函數(shù)為f(x)，則隨機(jī)變量x大于斷尾值a的條件密度函數(shù)就可表示成下式：估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型（1）與正態(tài)分布相關(guān)的斷尾分布及其性質(zhì)估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型將在概率分布函數(shù)左邊發(fā)生的斷尾稱為左斷尾，而將出現(xiàn)在概率分布函數(shù)右邊的斷尾稱為右斷尾。估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型（2）正態(tài)右斷尾分布的斷尾回歸模型估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型①②估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型3.截取分布及其性質(zhì)估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型4.α=0的截取回歸模型（Tobit模型）估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型針對Tobit模型，可用Heckman二階段最小二乘法獲得參數(shù)β和σ的一致估計(jì)量。①利用Probit模型的最大似然法獲得參數(shù)的估計(jì)值β/σ；②將通過最大似然法獲得參數(shù)的估計(jì)值β/σ代入以下的斷尾回歸模型并利用yt>0相對應(yīng)的數(shù)據(jù)(yt,xt)估計(jì)參數(shù)β和σ估計(jì)方法的擴(kuò)展28二月2024第二節(jié)受限因變量模型自變量變化對因變量的影響：估計(jì)方法的擴(kuò)展28二月2024第三節(jié)面板數(shù)據(jù)

在經(jīng)濟(jì)研究工作中，通常會(huì)遇到橫截面數(shù)據(jù)和時(shí)間序列數(shù)據(jù)相結(jié)合的情形。如：《中國統(tǒng)計(jì)年鑒》中全國各地的人均收入和人均消費(fèi)等經(jīng)濟(jì)變量的年度經(jīng)濟(jì)數(shù)據(jù)。這些全國各地的相關(guān)經(jīng)濟(jì)變量的集合就構(gòu)成典型的面板數(shù)據(jù)(paneldata)。由于面板數(shù)據(jù)包含橫截面數(shù)據(jù)的變化過程，面板數(shù)據(jù)的分析主要需要考慮各經(jīng)濟(jì)主體之間的差異。

估計(jì)方法的擴(kuò)展28二月2024第三節(jié)面板數(shù)據(jù)1.固定效應(yīng)（fixedeffect）模型估計(jì)方法的擴(kuò)展28二月2024第三節(jié)面板數(shù)據(jù)估計(jì)方法的擴(kuò)展28二月2024第三節(jié)面板數(shù)據(jù)估計(jì)方法的擴(kuò)展28二月2024第三節(jié)面板數(shù)據(jù)估計(jì)方法的擴(kuò)展28二月2024第三節(jié)面板數(shù)據(jù)估計(jì)方法的擴(kuò)展28二月2024第三節(jié)面板數(shù)據(jù)2.隨機(jī)效應(yīng)（randomef