計量經(jīng)濟學導論：現(xiàn)代觀點（第七版）課件：做實證研究項目

計量經(jīng)濟學

Econometrics

如何做實證研究項目提要一、問題的提出二、文獻回顧三、數(shù)據(jù)的收集四、計量經(jīng)濟分析五、實證論文的寫作一、問題的提出1、提出問題的重要性愛因斯坦認為：提出問題比解決問題更重要。一、問題的提出2、尋找感興趣的問題提出一個原則上需要用數(shù)據(jù)來回答的非常明確問題是非常重要的。實際上，如果沒有明確的分析目標，那么研究將無從下手。在選題時，研究人員必須明確，對經(jīng)濟學或其他社會科學的哪個領(lǐng)域感興趣。舉例來說，在學完《勞動經(jīng)濟學》課之后，可能發(fā)現(xiàn)一些能進行實證檢驗的理論，或具有某些政策含義的關(guān)系。勞動經(jīng)濟學家不斷地發(fā)現(xiàn)能夠解釋工資差異的新變量，其中包括高中階段的教學質(zhì)量等。一、問題的提出2、尋找感興趣的問題-續(xù)比如，研究教育問題的經(jīng)濟學家感興趣的問題是：支出如何影響學生成績就讀某類學校是否會提高學生成績以及哪些因素影響私立學校的選址。宏觀經(jīng)濟學家對各種總量時間序列之間的關(guān)系興趣十足。例如，國內(nèi)生產(chǎn)總值的增長與固定資產(chǎn)投資，或機器設(shè)備的增長之間的關(guān)系，或稅收對利率的影響。一、問題的提出3、估計怎樣模型估計通常描述性模型當然有其原因。舉例來說，財產(chǎn)稅評估員利用模型（享樂定價模型）估計家庭最近尚未出售住房的價值。這就涉及一個將房屋價格與其特征（大小、臥室間數(shù)、衛(wèi)生間數(shù)等）相聯(lián)系的回歸模型。作為學期論文，這不足以令人興奮，因為我們不太可能從中得到新穎結(jié)論，而這一分析也沒有什么明顯的政策含義?？墒侨绻黾余徖锓缸锫首鳛榻忉屪兞?，我們就能確定犯罪率對房屋價格的影響有多重要，這將有助于估計犯罪的成本。一、問題的提出3、估計怎樣的模型-續(xù)估計有些關(guān)系，要利用描述性宏觀經(jīng)濟數(shù)據(jù)。例如，一個總量儲蓄函數(shù)能用來估計總量邊際儲蓄傾向和儲蓄對資產(chǎn)回報（如利率）的響應。如果使用曾發(fā)生過政治動亂的國家的時間序列數(shù)據(jù)，并判斷儲蓄率在政局不穩(wěn)時期是否有下降趨勢，這樣的分析便會更有意思。一、問題的提出4、當確定研究領(lǐng)域后，要用各種方法查找這個主題論文（1）《經(jīng)濟文獻雜志》（JournalofEconomicLiterature,JEL）有一整套細致分類體系，其中每篇論文都有一組標識碼，從而將其歸于經(jīng)濟學的某一子領(lǐng)域之中。JEL還包含在其他各類期刊中發(fā)表的文章列表，根據(jù)主題進行分類，甚至包含某些論文的摘要。（2）互聯(lián)網(wǎng)服務(wù)使得搜尋各種主題的已發(fā)表論文更為方便。（3）EconLit使得使用者能根據(jù)作者名、主題、題目中的關(guān)鍵詞等方式對幾乎所有經(jīng)濟學期刊進行全面檢索。（4）網(wǎng)絡(luò)搜索引擎“谷歌學術(shù)”（GoogleScholar）對于追蹤各類專題研究或某位作者的研究特別有幫助。尤其對于那些尚未在學術(shù)期刊上發(fā)表或有待發(fā)表的作品而言，這個搜索引擎更加有用。二、文獻回顧1、所有論文，無論長短應包含對相關(guān)文獻的綜述幾乎沒有人會試圖進行尚無前期成果的實證項目。如果研究者通過期刊或在線搜索服務(wù)(onlinesearchservices)尋找題目，那么所做的正是文獻檢索。如果研究者自行選題（例如研究吸毒對學習成績的影響），那么可能就要更辛苦一些。但在線搜索服務(wù)使這一工作容易得多，例如可通過關(guān)鍵詞、題目中出現(xiàn)的單詞或者作者等進行搜索。然后就可以通過論文摘要，了解它們與自己的研究有多大關(guān)系。二、文獻回顧2、如何將文獻綜述包含在論文中如何將文獻綜述包含在論文中，這會因人而異。有些人喜歡獨辟專節(jié)，稱為“文獻綜述”；另一些人則喜歡將文獻綜述作為序言的一個部分。盡管詳盡的文獻綜述可能值得獨立成節(jié)，但這仍取決于個人喜好。如果學期論文是課程的重點（比如在高級專題研討或高級計量經(jīng)濟學課程中），那么文獻綜述就要盡可能地相當詳盡。第一學期計量經(jīng)濟學課程之末的學期論文往往較短，而文獻綜述也要簡潔一些。三、數(shù)據(jù)的收集1、確定適當?shù)臄?shù)據(jù)集為學期論文收集數(shù)據(jù)可能富有教育意義，這時首先必須確定用以回答所提問題的數(shù)據(jù)類型。數(shù)據(jù)集有多種形式，比如最常見的類型是橫截面、時間序列、混合截面和面板數(shù)據(jù)集。確定收集何種數(shù)據(jù)通常取決于分析的性質(zhì)。為了回答個人或家庭層面的問題，通常只需要找到單個橫截面數(shù)據(jù)；它們往往通過調(diào)查取得。在處理有關(guān)公司、城市、州縣等橫截面數(shù)據(jù)時，也會出現(xiàn)同樣問題。在大多數(shù)情況下，能否利用單個橫截面數(shù)據(jù)進行其他條件不變的分析，這一點并不明顯。三、數(shù)據(jù)的收集1、確定適當?shù)臄?shù)據(jù)集-續(xù)數(shù)據(jù)存在多種形式。一些數(shù)據(jù)集，特別是歷史數(shù)據(jù)，通常僅以印刷資料的形式出現(xiàn)。如果數(shù)據(jù)集不大，親自把來源于印刷資料的數(shù)據(jù)輸入電腦也簡便易行。有時，有些已發(fā)表論文中附帶小數(shù)據(jù)集，特別是時間序列應用研究。這些資料都可用于實證研究（經(jīng)驗研究），也許還可以補充一些近年數(shù)據(jù)。注意：同一橫截面單位兩個或多個不同時期的數(shù)據(jù)，讓我們能夠控制那些不隨時間而改變的非觀測效應，這些效應通常使得單個橫截面上的回歸失效。1、確定適當?shù)臄?shù)據(jù)集-續(xù)許多數(shù)據(jù)集都有電子版可用，各種政府機構(gòu)也都在其網(wǎng)站上提供數(shù)據(jù)。有時候，私人公司也收集數(shù)據(jù)集并使之更便于使用，但要收取一定的費用。網(wǎng)上有越來越多的數(shù)據(jù)集可以利用。網(wǎng)絡(luò)是網(wǎng)上數(shù)據(jù)庫（onlinedatabases）的資源寶庫。三、數(shù)據(jù)的收集2、輸入并儲存數(shù)據(jù)當確定好數(shù)據(jù)類型，并找到數(shù)據(jù)來源之后，就必須把數(shù)據(jù)轉(zhuǎn)變?yōu)榭捎酶袷?。如果?shù)據(jù)在磁盤里，它已經(jīng)具備一定的形式，而且是有望被廣泛使用的一種形式。用磁盤形式獲取數(shù)據(jù)最靈活的方法是將其作為標準的文本（ASCII）文件。所有統(tǒng)計與計量經(jīng)濟軟件包都容許這種原始數(shù)據(jù)存儲方式。通常只要該文本文件結(jié)構(gòu)適當，很容易就能把文本文件直接讀入計量經(jīng)濟軟件。本書所用的數(shù)據(jù)文件便提供了橫截面、時間序列、混合截面和面板數(shù)據(jù)通常存儲方式的例子。通常，數(shù)據(jù)應該具備表格形式，每次觀測占一行；而數(shù)據(jù)集的每一列則代表不同的變量。三、數(shù)據(jù)的收集2、輸入并儲存數(shù)據(jù)-續(xù)（1）不同類型數(shù)據(jù)的輸入要求①對時間序列數(shù)據(jù)集來說，只有一種合理方式進行數(shù)據(jù)的輸入與存儲：即以時間為序，最早的時期列為第一次觀測，最近的時期列為最后一次觀測。最好能把標志著年份或（如有必要）季度或月份的變量包括進來。這將使得今后能估計各種模型，包括考慮到不同時期的季節(jié)性和構(gòu)突變的模型。②對混合橫截面數(shù)據(jù)來說，通常最好方法是把最早一年的橫截面放在第一個觀測區(qū)里，接著是第二年的橫截面，等等。這種安排并不關(guān)鍵，但為每次觀測賦予標志著年份的變量則非常重要。③對面板數(shù)據(jù)來說，最好將每個橫截面觀測的所有年份按照時間順序排列。有了這樣的順序，就可利用第13和14章的所有面板數(shù)據(jù)方法。對于面板數(shù)據(jù)，讓每個橫截面單位都具備一個獨特的標識符和一個年度變量非常重要。三、數(shù)據(jù)的收集2、輸入并儲存數(shù)據(jù)-續(xù)（2）輸入數(shù)據(jù)的方法①利用標準文本編輯器創(chuàng)建一個文本文件，這就是本書中某些原始數(shù)據(jù)集最初創(chuàng)建的方法。通常要求每一行開始一次新的觀測，每行的變量有相同的順序，而且數(shù)值與數(shù)值之間至少需要由一個空格分開。通常字符串都被放置在雙引號或單引號之間。②利用電子制表軟件來輸入數(shù)據(jù)。比如，Excel。a.因為每個變量的每次觀測都是一個單元，所以不太可能有兩個數(shù)字連在一起。b.電子制表軟件允許對數(shù)據(jù)進行操作，例如進行歸類和計算均值等。③直接把數(shù)據(jù)輸入所用的計量經(jīng)濟學軟件。三、數(shù)據(jù)的收集3、檢查、清理并總結(jié)數(shù)據(jù)（1）對缺損值的標識最好的辦法是把所有代表缺損值的數(shù)字符號改為其他不會與實數(shù)數(shù)據(jù)混淆的符號，例如句號。（2）了解數(shù)據(jù)集中變量的性質(zhì)變量性質(zhì)包括：二值變量、序數(shù)變量、變量的測量單位、基期或當期等。三、數(shù)據(jù)的收集3、檢查、清理并總結(jié)數(shù)據(jù)-續(xù)（3）檢查數(shù)據(jù)集中的錯誤①在分析中找出所有變量的最小值、最大值、均值和標準差。②若使用月度或季度數(shù)據(jù)，就必須知道哪些變量經(jīng)過季節(jié)性調(diào)整。③差分時必須確定數(shù)據(jù)是按時間順序排列的，即從最早時期到最晚時期。為確保數(shù)據(jù)正確排列,運用一個時期標識變量會有所幫助。④處理面板數(shù)據(jù)更具挑戰(zhàn)性。在構(gòu)建差分數(shù)據(jù)時，應該小心不要產(chǎn)生虛構(gòu)觀測。四、計量經(jīng)濟分析1、一般性指導原則在確定主題之后，必須搜集合適的數(shù)據(jù)集。假定這已經(jīng)完成，接著必須確定適當?shù)挠嬃拷?jīng)濟方法。

如果強調(diào)利用橫截面或時間序列數(shù)據(jù)對多元線性回歸模型進行普通最小二乘估計，那么還必須確定，是否需要OLS的某種變型，例如加權(quán)最小二乘或?qū)r間序列回歸中的序列相關(guān)加以修正。

為了說明OLS的合理性，必須說明所建立的模型滿足OLS的關(guān)鍵假定：第一個問題，誤差項是否與解釋變量不相關(guān)；其次其他潛在的內(nèi)生因素(即測量誤差和聯(lián)立性)不是嚴重問題。

1、一般性指導原則-續(xù)在設(shè)定模型時，必須確定采取何種函數(shù)形式。某些變量是否應該以對數(shù)形式出現(xiàn)？某些變量是否應該以水平值和平方值形式出現(xiàn)，以便刻畫遞減效應？定性因素應該怎樣出現(xiàn)？常見錯誤是，在回歸模型中不正確地包含以數(shù)值給出但又不具備定量信息的解釋變量。對橫截面分析來說，一個不是最主要但仍重要的問題是，是否存在異方差性。最簡單的辦法是計算異方差穩(wěn)健的統(tǒng)計量。如果模型有潛在的設(shè)定錯誤，比方說遺漏變量，而且使用OLS，那么應該嘗試進行某種誤設(shè)分析，確定估計量的偏誤方向。1、一般性指導原則-續(xù)工具變量的方法能夠用來解決各種形式的內(nèi)生問題，包括遺漏變量、變量誤差和聯(lián)立性。但是首先必須確保工具變量可以奏效，滿足兩個基本條件。經(jīng)驗社會科學方面的優(yōu)秀論文應包含敏感度分析。寬泛地講，這意味著必須首先估計一個初始模型，然后用一些看似合理的方法修改它。理想的情況是重要的結(jié)論不致改變。如果某些觀測值與樣本群體非常不同，那么如果把這些觀測值從估計中排除出去，結(jié)果發(fā)生很大改變，那么就不得不改變函數(shù)形式以容許這些觀測，或者證明它們屬于完全不同的模型。1、一般性指導原則-續(xù)如用面板數(shù)據(jù)會額外導致一些計量經(jīng)濟問題。無須借助工具變量，至少有４種方法來利用這兩個時期的面板數(shù)據(jù)。在標準OLS分析中，混合這兩個時期。雖然相對于單個橫截面來說，這樣做或許可以擴大樣本量，但它并沒有控制不隨時間而變化的非觀測因素。另外，由于非觀測效應，這種方程中的誤差幾乎總是序列相關(guān)的。只要在給定所有時期解釋變量值的情況下，非觀測效應具有零均值，隨機效應估計法就可以修正序列相關(guān)問題，并給出漸近有效的估計量。假設(shè)收集兩個時期的數(shù)據(jù)，那么就可以在標準OLS分析中混合這兩個時期。相對于單個橫截面來說，這樣做或許可以擴大樣本容量，但它并沒有控制不隨時間而變化的非觀測因素。1、一般性指導原則-續(xù)另一種可能性是在第二年的方程中增加滯后因變量。把它作為至少可以緩解遺漏變量問題的一種方法而提出，因為在任何情況下，我們都要保持因變量的最初結(jié)果固定不變。這通常會導致與取數(shù)據(jù)差分相似的結(jié)果。當擁有更多年的面板數(shù)據(jù)時，除了上述辦法，還有一個新的選擇，即可利用固定效應變換來消除非觀測因素的影響。同時使用幾種合理的計量經(jīng)濟方法并比較其結(jié)果，這樣做是一個好主意。這通常能幫助確定哪一個假定可能是錯誤的。2、數(shù)據(jù)挖掘（datamining）

所有的應用研究人員在找到“最佳”模型之前，都會搜索各種不同的模型。還有一種探索性方法，數(shù)據(jù)挖掘（datamining，又譯為資料探勘、數(shù)據(jù)采礦），它是數(shù)據(jù)庫知識發(fā)現(xiàn)（Knowledge-DiscoveryinDatabases，簡稱KDD)中的一個步驟。數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。數(shù)據(jù)挖掘通常與計算機科學有關(guān)，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經(jīng)驗法則）和模式識別等諸多方法來實現(xiàn)上述目標。數(shù)據(jù)挖掘的實踐破壞了計量經(jīng)濟學分析中所做的假定。

2、數(shù)據(jù)挖掘-續(xù)OLS和其他估計量的無偏性結(jié)論，以及為假設(shè)檢驗而推導的t分布和F分布，都假定觀察到一個服從總體模型的樣本，并對該模型只估計一次。估計初始模型的變化形式違背了這一假定，因為在模型設(shè)定搜索時利用了相同的數(shù)據(jù)集。實際上，通過利用這些數(shù)據(jù)來重新設(shè)定模型，便利用了檢驗的結(jié)果。從不同模型設(shè)定中得到的估計值和檢驗就不是彼此獨立的。某些設(shè)定搜索已經(jīng)被編制為標準軟件包中的程序。設(shè)定搜索的程序為逐步回歸：逐步回歸的一般思路是，要么從一個大模型開始，然后保留P值低于某個顯著水平的變量，或者是從一個簡單模型開始，然后加入P值顯著的變量。有時候也用F檢驗來檢驗一組變量。2、數(shù)據(jù)挖掘-續(xù)不幸的是，最終的模型通常取決于變量被丟棄或添加的順序。逐步回歸是嚴重的數(shù)據(jù)挖掘形式，而且在最終模型中也難于解釋t和F統(tǒng)計量。原則上，有可能把數(shù)據(jù)挖掘的影響包含在統(tǒng)計推斷中；但實踐中卻非常困難且極其罕見，特別是在復雜的經(jīng)驗工作中更是如此。如果一個變量僅在所估計模型的一小部分統(tǒng)計顯著，那么這個變量極有可能在總體中沒有影響。五、實證論文的寫作（1）引言引言部分，要陳述研究的基本目標，并解釋其重要性。一般包括文獻綜述，表明有哪些工作已經(jīng)完成，以及前期研究可以怎樣改進。提出一些簡單統(tǒng)計量或者圖表，以揭示一個看似矛盾的關(guān)系是介紹論文主題的有用方法。五、實證論文的寫作（2）概念（或理論）框架在這一節(jié)，主要描述你回答所提問題的主要方法。它可以是規(guī)范的經(jīng)濟理論，但在許多情況下，它只是對回答問題時出現(xiàn)的概念性問題進行直觀討論。（3）計量經(jīng)濟模型和估計方法最好專辟一節(jié)介紹論文將要估計和給出的方程。對一個模型和一個估計方法的區(qū)別，應該在這一節(jié)中指出。一個模型代表了一個總體關(guān)系(廣義的定義還包括時間序列方程)。在設(shè)定模型之后，討論估計方法便自然而然。在多數(shù)情形中都使用OLS。估計模型的方法與模型本身要明顯區(qū)別開來。從潛在的經(jīng)濟模型得到一個可估計的計量經(jīng)濟模型，其中用到的任何假定都要進行清楚的討論。無論是否給出理論模型，都要對函數(shù)形式做出假定。無論是否給出理論模型，都要對函數(shù)形式做出假定。（4）數(shù)據(jù)應該用一節(jié)仔細描述經(jīng)驗分析中所使用的數(shù)據(jù)。如果數(shù)據(jù)不是標準的，或尚未被其他研究人員廣泛使用，這就尤其重要。原則上，應該介紹足夠的信息，以便讀者可以獲得數(shù)據(jù)并重新進行分析。特別是，所有可用的公共數(shù)據(jù)來源都應包括在參考文獻中，而且小的數(shù)據(jù)集也可以列在附錄中。如果使用自己通過調(diào)查而收集到的數(shù)據(jù)，在附錄中也應給出一份調(diào)查問卷。在討論數(shù)據(jù)來源的時候，要明確每個變量的單位。