計(jì)量經(jīng)濟(jì)學(xué)：第6章 多元線性回歸

第6章多元線性回歸2第六章多元線性回歸Multipleregression

遺漏變量偏差Omittedvariablebias因果效應(yīng)和回歸分析多元回歸和OLS擬合優(yōu)度MeasuresoffitOLS估計(jì)量的抽樣分布36.1遺漏變量偏差

4△遺漏變量偏差5舉例說明這些條件

例1：英語(yǔ)學(xué)習(xí)者百分率在測(cè)試成績(jī)實(shí)例中:（1）英語(yǔ)學(xué)習(xí)能力(學(xué)生是否將英語(yǔ)作為第二語(yǔ)言)貌似會(huì)影響標(biāo)準(zhǔn)化測(cè)試成績(jī):Z是Y的決定因素.（2）移民社區(qū)往往不那么富裕，因此學(xué)校預(yù)算少，并且STR也較高:Z與X相關(guān).例2：測(cè)試的時(shí)間例3：每個(gè)學(xué)生的停車空間后果是有偏的.這一偏差的方向是怎樣的？（以例1說明）按常識(shí)可給出什么樣的提示?若你無(wú)法通過常識(shí)得出,則有公式…6遺漏變量偏差的公式

7遺漏變量偏差公式（續(xù)）

8遺漏變量偏差公式:

9use\caschool.dta;*****Table6.1******genstr_20=(str<20);gents_lostr=testscrifstr_20==1;gents_histr=testscrifstr_20==0;genelq1=(el_pct<1.9)genelq2=(el_pct>=1.9)*(el_pct<8.8)genelq3=(el_pct>=8.8)*(el_pct<23.0)genelq4=(el_pct>=23.0)ttestts_lostr=ts_histr,unpunettestts_lostr=ts_histrifelq1==1,unpunettestts_lostr=ts_histrifelq2==1,unpunettestts_lostr=ts_histrifelq3==1,unpunettestts_lostr=ts_histrifelq4==1,unpune10116.2多元回歸模型

1213術(shù)語(yǔ)

14多元回歸中系數(shù)的解釋

15166.3多元回歸的OLS估計(jì)量

17實(shí)例:加利福尼亞測(cè)試成績(jī)數(shù)據(jù)集18STATA中的多元回歸

19多元線性回歸模型和OLS估計(jì)量的矩陣形式（見書第18章）20多元線性回歸模型和OLS估計(jì)量的矩陣形式216.4多元回歸的擬合優(yōu)度

226.4多元回歸的擬合優(yōu)度

23SER和RMSE

24R2和

25R2

和

(續(xù))2627實(shí)例中的應(yīng)用

2829306.5多元回歸的最小二乘假設(shè)

31假設(shè)#1:給定包含的X時(shí)u的條件均值為零323334356.6OLS估計(jì)量的抽樣分布

366.7多重共線性—完全和不完全37虛擬變量陷阱38完全多重共線性(續(xù))

39不完全多重共線性

40不完全多重共線性(續(xù))

41關(guān)于多重共線性的幾點(diǎn)說明多重共線性并不一定導(dǎo)致多重共線性問題對(duì)經(jīng)濟(jì)數(shù)據(jù)，多重共線性幾乎不可避免，自變量之間總會(huì)存在某種程度的相關(guān)，但只有它們的線性關(guān)系高到一定程度時(shí)，才會(huì)發(fā)生多重共線性問題多重共線性是由于在數(shù)據(jù)中自變量之間存在某種線性關(guān)系或自變量高度相關(guān)而產(chǎn)生的，即它是某一特定樣本中的問題即使較強(qiáng)的多重共線性也沒用違背多元回歸基本假設(shè)。OLS估計(jì)仍是無(wú)偏和