经典线性回归模型技巧与陷阱.ppt

6、因果分析的方法 相关不是因果 有因果的关系可以不相关 无因果的关系可以表现出相关 第三十页，共五十一页，2022年，8月28日 6、因果分析的方法 第三十一页，共五十一页，2022年，8月28日 6、因果分析的方法 患癌症 未患癌症 吸 烟 40 60 不吸烟 20 80 女性 男性 患癌症 未患癌症 患癌症 未患癌症 吸 烟 0 60 40 0 不吸烟 0 80 20 0 第三十二页，共五十一页，2022年，8月28日 Granger检验 检验要求估计如下回归 第三十三页，共五十一页，2022年，8月28日 Granger检验 检验统计量 第三十四页，共五十一页，2022年，8月28日 Granger检验 3点注意： 1、在检验之前，要先保证序列的平稳性， 或者具有协整关系； 2、控制变量问题 3、检验结果对滞后长度敏感。 第三十五页，共五十一页，2022年，8月28日 Granger检验 Granger检验 Granger检验经常用来判断两个变量的因果关系，其基本思想是，如果X为Y的原因，则X的发生应该在前，应该可以通过X预测Y，所以Granger检验是通过检验可预测性来推断因果关系 本质上Granger检验不是因果检验 第三十六页，共五十一页，2022年，8月28日 经典线性回归模型技巧与陷阱 第一页，共五十一页，2022年，8月28日 1.模型的评价 经济显著与统计显著 经济显著是指自变量的改变对因变量有较大的影响； 统计显著是指有充分证据证明回归系数不为0（一般情况下）； 对于参数是否为0的检验： 经济显著性越强，则在统计上越容易显著； 在小样本下，经济显著而统计不显著的情况容易出现； 在大样本下，统计显著而经济不显著的情况容易出现； 第二页，共五十一页，2022年，8月28日 1.模型的评价 分析系数的符号、取值是否与理论预期相一致，是评价模型的关键环节。如果出现不一致，首先怀疑模型与数据，如确无问题，再怀疑理论。 对于线性模型，主要观察正负号。 第三页，共五十一页，2022年，8月28日 1.模型的评价 对于非线性模型（包括对变量非线性和对参数非线性），情况要比较复杂，有时系数符号以及其他约束条件的预期到底是什么，并非一望可知，需要根据理论推出。 第四页，共五十一页，2022年，8月28日 1.模型的评价 例1：总成本函数的估计 第五页，共五十一页，2022年，8月28日 1.模型的评价 MC要大于0，不能和X轴有交点： 第六页，共五十一页，2022年，8月28日 1.模型的评价 例2：洛伦兹曲线的估计 第七页，共五十一页，2022年，8月28日 2.变量变换——取对数 取对数的好处 如果因变量、自变量都取对数，参数具有弹性含义 经过对数变换的变量，一般更加符合假设条件 可以缩小取值范围，减少异常值的影响 什么时候取对数 变量之间为相乘关系（双对数），或具有某种非线性关系（单对数） 那些取值为正的右偏分布变量 第八页，共五十一页，2022年，8月28日 2.变量变换——取对数 取对数的陷阱 取对数后，为获得原变量的估计，往往需要取指数进行还原，此时的估计会出现系统偏差。 第九页，共五十一页，2022年，8月28日 2.变量变换——取对数 第十页，共五十一页，2022年，8月28日 2.变量变换——取对数 如果u不服从正态分布，则调整程序如下： 1）得到lnY的拟合值 2）对每个拟合值取指数，得到mi 3）做Y对mi的过原点回归，得到回归系数 4）将此系数乘以mi ，得到最终拟合值 第十一页，共五十一页，2022年，8月28日 2.变量变换——取对数 第十二页，共五十一页，2022年，8月28日 3.常遭忽略的两个问题 1）把函数当作确定关系处理，遗忘了随机项 也存在问题 存在干扰不对称问题 第十三页，共五十一页，2022年，8月28日 3.常遭忽略的两个问题 2）过原点回归具有一些特殊的性质 残差的均值不等于0 R2有可能为负，一般需要调整 如果总体回归函数中截距项非0，则斜率估计是有偏的 第十四页，共五十一页，2022年，8月28日 4.函数的设定 常用手段： 1）增设二次项 适用于解释变量X对于被解释变量Y的边际影响取决于解释变量X的水平的情况 第十五页，共五十一页，2022年，8月28日 4.函数的设定 第十六页，共五十一页，2022年，8月28日 4.函数的设定 第十七页，共五十一页，2022年，8月28日 4.函数的设定 民主与增长的关系：当民主水平很低时，提高民主可以限制政府权力的过度使用，从