下载文档原格式
第七章 虚拟变量和随机解释变量本章将讨论两种不同的模型：虚拟变量模型和随机解释变量模型，以及模型设定的其它问题。
第一节 虚拟变量模型在我们以前考虑的模型中，解释变量都是定量变量（如成本、价格、收入、产出等），但在经济研究中，因变量经常受到一些定性变量的影响（如性别、种族、季节、不同历史时期等），我们把这类定性变量称为虚拟变量。
习惯上用Ｄ表示虚拟变量，虚拟变量的取值通常为0和1。
0表示变量具备某种属性，1表示变量不具备某种属性。
一、包含一个虚拟变量的模型如果我们要研究的问题中解释变量只分为两类。
则需引入一个模拟变量。
例9.1建立模型研究中国妇女在工作中是否受到歧视。
令Ｙ＝年薪，Ｘ＝工作年限⎩⎨⎧=，女性，男性101D 可以建立如下模型：i i i i u D B X B B Y +++=210 )1.9( 与一般的回归模型一样，假定0)(=i u E 男性就业者的平均年薪：i i i i X B B D X Y E 10)0,(+== )2.9(女性就业者的平均年薪：210)1,(B X B B D X Y E i i i i ++== )3.9(如果B 2=0则说明不存在性别歧视，如果02<B ，则说明存在性别歧视。
图9.1表明男女就业者的平均年薪对工龄的函数具有相同斜率B 1，即随着工龄的增长男女工资的增长幅度相同；截距不同，说明男女的初始年薪不同。
我们称这种虚拟变量只影响截距不影响斜率的模型为加法模型。
图9.1不同性别就业者的收入(加法模型,B 2<0)如果随着工龄增加，男性与女性的年薪差距也发生变化，则模型（9.1）就变为i i i i i u X D B X B B Y +++=210 )4.9(图9.2描绘了男性年薪增加较快的情况。
我们称虚拟变量只影响斜率而不影响截距的模型为乘法模型如（9.4）如果男性与女性的初始年薪和年薪增加速度都有差异，我们可以将加法模型和乘法模型结合起来，得到如下模型i i i i i i u D B X D B X B B Y ++++=3210 )5.9(模型（9.5）可以用来表示截距和斜率都发生变化的模型。
csmar政治关联变量解释摘要：以2008-2010年沪深上市公司为样本，实证研究上市公司高管的政治关联与过度投资行为以及社会效益三者之间的相互影响。
结果表明，政治关联显著增加了上市公司过度投资行为。
进一步检验发现，从解决就业角度分析，过度投资可以创造更多的就业岗位。
然而从税收贡献分析，政府基于增加当地的税收水平而引发企业过度投资的行为是低效率的。
研究发现，国家相关管理部门应该有效、适度地抑制企业投资过热的社会问题，利用这把双刃剑真正的解决民生问题。
关键词：过度投资；政治关联；社会效益一、引言政治关联已经成为当今世界各国企业为了获得更多社会资源而与政府形成的一种“关系”。
目前，有很多学者从公司治理的角度去研究政治关联的影响。
Claessens等（2008）[1]研究发现，在巴西有政治关联的企业比没有政治关联的企业更易获得优惠的银行贷款，而这些资产带来的投资效率却很低。
Faccio（2006）[2]研究发现，在陷入财务困境时，政治关联企业更容易获得政府的财政补贴。
在我国市场经济制度不完善的背景下，政府这只有形之手对社会的资源配置力度仍然发挥着不可替代的作用。
因此，政治关联作为投资者保护制度不完善的替代机制而越来越受到中国企业的追捧。
有政治关系的民营企业更容易进入政府管制行业——房地产行业（罗党论等，2009）[3]，获得更多的政府补贴（余明桂等，2010）[4]以及更多、更长期的银行贷款（Fanetal。
，2006）[5]。
企业的投资行为一直是公司治理研究领域一个热门话题。
管理层的教育水平、平均年龄（姜付秀等，2009）[6]，上市公司的薪酬结构（辛清泉，2007）[7]，管理者的过度自信（Malmendieretal。
，2005）[8]，公司的股利政策（魏明海等，2007）[9]，负债融资（童盼等，2005）[10]都会在不同程度上影响公司的投资行为。
上述研究都只是单独地从微观的角度研究了企业的投资行为。
中国城市化发展与碳排放关系——基于30个省区数据的实证研究刘梦琴刘轶俊【摘要】通过构建多形式的碳排放模型以及测算全国省际二氧化碳排放数据，本文考察了多重因素特别是中国城市化发展对二氧化碳排放产生的影响。
分析结果较为稳健地表明，城市化进程直接加剧了二氧化碳的排放，产业结构变化是中国碳排放增长的重要驱动因素之一；FDI环境效应的合力是负面的，贸易并非国际碳污染转移的主要渠道。
【关键词】城市化；省际数据；碳排放1 引言改革开放以来，中国城市化发展迅速，城镇人口比例已经由从1978年的％上升到2008年％。
伴随着城市化进程的发展，中国工业化的发展、生活水平的提高和城市基础设施投资的增加必将导致日益增长的能源消耗，并且导致钢铁、水泥、玻璃等高碳排放产品消费的迅速增加。
考虑到产业结构升级和经济社会发展的现实情况，中国的城市化进程将未来相当长时间内继续保持快速发展的态势，研究城市化发展与中国碳排放之间的关系就显得尤为必要。
城市化与碳排放关系的方面研究，由于相关统计数据的缺失，长期以来国内外学者主要集中于城市化发展与能源消耗关系的研究。
郑云鹤运用1978～2003年中国国家层面的时间序列数据，采用协整分析的方法对城市化与能源消耗之间的关系进行了研究；研究表明，中国城市化与能源消耗之间呈现显著的正相关关系[1]。
刘耀彬也利用全国层面的能源消耗和城市化数据，通过建立向量自回归模型和采用协整、格兰杰因果检验的方法，对两者之间的关系进行了研究；研究表明，城市化与能源消耗之间存在正相关关系且城市化是能源消耗增加的格兰杰原因[2]。
梁进社等则运用全国层面的数据对中国城市化进程中的能源消耗进行了分解分析，研究表明，工业能源消耗增加是中国城市化过程中能源消耗增长的主要原因[3]。
但也有部分学者对两者关系进行了研究。
Parikh和Shukla利用43个发展中国家的面板数据对城市化发展、能源消耗和温室气体排放问题进行了实证研究，结果表明，发展中国家城市化进程的发展导致了能源消耗和温室气体排放的增加[4]。
封面作者：Pan Hongliang仅供个人学习第一章绪论参考重点：计量经济学的一般建模过程第一章课后题（1.4.5）1.什么是计量经济学？计量经济学方法与一般经济数学方法有什么区别？答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。
计量经济学方法揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。
4.建立与应用计量经济学模型的主要步骤有哪些？答：建立与应用计量经济学模型的主要步骤如下：(1)设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；(2)收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；(3)估计模型参数；(4)检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。
5.模型的检验包括几个方面？其具体含义是什么？答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。
在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。
第二章经典单方程计量经济学模型：一元线性回归模型参考重点：1.相关分析与回归分析的概念、联系以及区别？2.总体随机项与样本随机项的区别与联系？3.为什么需要进行拟合优度检验？4．如何缩小置信区间？（P46）由上式可以看出（1）.增大样本容量。
一、解释概念：1、多重共线性：是指在多元线性回归模型中，解释变量之间存在的线性关系。
2、SRF：就是样本回归函数。
即是将样本应变量的条件均值表示为解释变量的某种函数。
3、解释变量的边际贡献：在回归模型中新加入一个解释变量所引起的回归平方和或者拟合优度的增加值。
4、一阶偏相关系数：反映一个经济变量与某个经济变量的线性相关程度时，剔除另一个变量对它们的影响的真实相关程度的指标。
5、最小方差准则：在模型参数估计时，应当选择其抽样分布具有最小方差的估计式，该原则就是最佳性准则，或者称为最小方差准则。
6、OLS：普通最小二乘估计。
是利用残差平方和为最小来求解回归模型参数的参数估计方法。
7、偏相关系数：反映一个经济变量与某个经济变量的线性相关程度时，剔除其它变量（部分或者全部变量）对它们的影响的真实相关程度的指标。
8、WLS：加权最小二乘法。
是指估计回归方程参数时，按照残差平方加权求和最小的原则进行的估计方法。
9、U t自相关：即回归模型中随机误差项逐项值之间的相关。
即Cov（U t，U s）≠0 t ≠s。
10、二阶偏相关系数：反映一个经济变量与某个经济变量的线性相关程度时，剔除另两个变量对它们的影响的真实相关程度的指标。
11、技术方程式：根据生产技术关系建立的计量经济模型。
13、零阶偏相关系数：反映一个经济变量与某个经济变量的线性相关程度时，不剔除任何变量对它们的影响的相关程度的指标。
也就是简单相关系数。
14、经验加权法：是根据实际经济问题的特点及经验判断，对滞后经济变量赋予一定的权数，利用这些权数构成各滞后变量的线性组合，以形成新的变量，再用最小二乘法进行参数估计的有限分布滞后模型的修正估计方法。
15、虚拟变量：在计量经济学中，我们把取值为0和1 的人工变量称为虚拟变量，0用字母D表示。
（或称为属性变量、双值变量、类型变量、定性变量、二元型变量）16、不完全多重共线性：是指在多元线性回归模型中，解释变量之间存在的近似的线性关系。
tobit总结⼀、Tobit 简介：Tobit是Probit的推⼴，创始⼈是托宾，在限值因变量关系式的估计（Estimation of Relationships for Limited Dependent Variables）⼀⽂中提出，也叫截取回归模型。
⼆、Tobit 与Probit 的区别：y_i^* = X_i \beta + \varepsilon_iProbit模型是if y^* >0 then y_i =1 else y_i=0；Tobit模型是if y^* >0 then y_i =y_i^* else y_i=0。
tobit是线性概率模型，缺点就是如果p=1但事件可能根本就没发⽣。
虽然估计本⾝⽆偏，但预测结果却是有偏的。
（假设预测某个事件发⽣的概率等于1，但是实际中该事件可能根本不会发⽣。
反之，预测某个事件发⽣的概率等于0，但是实际中该事件却可能发⽣了。
虽然估计过程是⽆偏的，但是由估计过程得出的预测结果却是有偏的。
）probit是采⽤累积概率分布函数，⽤正态分布的累积概率作为probit的预测概率。
可以克服这个缺点，本质基本上⼀样。
由于线性概率模型的上述缺点，希望能找到⼀种变换⽅法，（1）使解释变量x i所对应的所有预测值（概率值）都落在（0，1）之间。
（2）同时对于所有的x i，当x i增加时，希望y i 也单调增加或单调减少。
显然累积概率分布函数F(z i) 能满⾜这样的要求。
采⽤累积正态概率分布函数的模型称作Probit模型。
⽤正态分布的累积概率作为Probit模型的预测概率。
另外logistic函数也能满⾜这样的要求。
采⽤logistic函数的模型称作logit模型。
三、如何⽤Eviews软件进⾏Tobit回归分析操作过程：截⾯数据：Object/New Object，并从该菜单中选择Equation选项。
在出现的Equation Specification对话框⾯板数据：打开eviews，打开⼀个workfile，点击balanced panel，进⼊⾯板数据框，输完数据之后，在proc估计模型的时候，在⽅法选项⾥选择tobit即可。
