签到
苹果/安卓/wp
苹果/安卓/wp
客户端
0.0
0.00
推广加币
数据VIP
升级SVIP
注册
|
登录
项目交易
CDA数据分析师
CDA网校
CDA社区
CDA认证考试
CDA俱乐部
CDA Live
在线教育
JG学术培训
经管云课堂
CDA网校
CDA数据分析研究院
统计软件培训
金融科技
就学培训网
经管题库
培训证书查询
成为签约讲师
经管文库
专家入驻
学术博客
就学平台
美国在职研究生
论坛BBS
服务一览
VIP服务
数据VIP
数据库
兑换商城
广告服务
案例库
软件销售
校园代理
文献下载
会员课服务
我的
帖子
收藏
好友
我的空间
关注的人
关注的贴
找人
文库
任务
道具
勋章
网站地图
搜索
搜索
用户
人大经济论坛
›
标签
›
横截面
标签: 横截面
经管大学堂:名校名师名课
相关帖子
版块
作者
回复/查看
最后发表
xttest2 ,求指导
Stata专版
qq397277891
2013-9-4
6
2621
yinpeiwei
2020-6-2 12:49:38
fama-macbeth回归 t值
爱问频道
xsx小虾米
2013-7-21
3
4419
启宇明志
2019-3-20 23:53:39
啥是横截面数据 啥是面板数据
- [!reward_solved!]
学术道德监督
孙悟空奥巴马
2013-7-18
15
34815
逐梦のsun
2018-6-17 14:10:02
考博必看的经济类高级教材
经管在职博
hnbyelee
2013-5-7
21
8704
kkkrain
2017-2-13 16:51:05
伍德里奇 全习题答案 横截面与面板数据的经济计量分析 Cross Section and Panel Data
计量经济学与统计软件
jessicagedik
2013-6-1
7
6523
小蜗牛进化
2016-1-31 21:53:59
请教连老师关于横截面数据门槛值问题。
Stata专版
coryyang
2013-7-4
5
3052
yybys
2015-1-11 13:30:08
数据查找
数据求助
fenggechu
2013-6-25
0
1183
fenggechu
2013-6-25 19:36:53
求问各位坛友:横截面回归和ols回归还有probit那个都有什么区别
计量经济学与统计软件
roseline
2013-6-4
1
5745
ermutuxia
2013-6-6 17:35:05
IV估计中的异方差问题!
EViews专版
rajonrando
2013-4-10
1
1217
ermutuxia
2013-5-20 15:58:25
用面板数据相对用横截面数据来做分析有什么好处?
爱问频道
Victor@RIEM
2013-4-23
5
11251
Victor@RIEM
2013-4-25 09:35:42
DEAP软件高手请进!为何2006年横截面计算不出来?
MATLAB等数学软件专版
心云若水
2013-3-13
4
1448
pony1031
2013-4-23 10:11:50
跨时独立横截面的混合数据在eviews中如何录入
EViews专版
ming4733733
2013-4-4
1
3024
lxfkxkr
2013-4-6 13:23:46
求问关于CAPM的横截面检验问题
爱问频道
xuyuge
2013-1-26
1
5670
whlxy888
2013-2-12 18:03:46
请教各位达人:如何根据村或社区的代码控制相应的固定效应?
-
[悬赏
5
个论坛币]
计量经济学与统计软件
zhienboai
2013-2-7
0
1554
zhienboai
2013-2-7 10:56:19
关于横截面修正的Jones模型
论文版
陈旭1988
2013-1-31
0
3815
陈旭1988
2013-1-31 23:14:59
更多...
相关日志
分享
DEA和SFA
热度
2
hildegardvon
2016-2-16 08:48
DEA的matlab程序编写,DEA-u,SBM-u,SBM-C,SBM-I(O)-C(V),malmquist指数和malmquist-L指数。 super-DEA,普通DEA程序,metafrontier,Tone(2001)的模型。 SFA:BC1992,1995模型。SFA的横截面数据的matlab估计。
34 次阅读
|
2
个评论
分享
时间序列time series(1)
accumulation
2015-5-10 13:06
常见的数据类型有横截面数据、时间序列数据、面板数据等。时间序列或面板数据与横截面数据最明显的区别是时间序列是按照时间顺序排列的(ok,谁都知道的吧~~)。而且一般一个标有时间角标的随机变量序列称为一个随机过程或者时间序列。我们首先对时间序列的基本性质和其中常出现的名词作下基本解释。然后再讲一讲怎么做常见的分析。 1·趋势变量(除趋势) 有时候我们在回归中要加一个时间变量以除掉时间趋势,可以更好地说明y和影响因素的关系。如y=αX + βt+u。如果忽略了时间趋势,有时候我们会得到错误的结果,称为谬误回归。如投资和价格都随时间增长,若想得到他们真实的关系可以先除掉时间趋势。 2·平稳/非平稳 平稳简单来说就是抽出一个随机变量集,然后前移或后移t个时期,他们的联合分布不变。非平稳就是不平稳的随机过程了==后面我们会讲到怎么判断一个序列是非平稳过程。此外,还有协方差平稳等,大家可以搜索查询。 3·弱相关 随着h增大,若Xt和Xt+h近乎独立,则称之为弱相关。或者其相关系数corr(Xt Xt+h)→0. 4·MA(1)和AR(1) 如果Xt=et+αet-1,t=1,2,3…… et是均值为0,方差为sigma2的独立同分布序列,那么Xt被称为一阶移动平均过程MA(1). 如果yt=ρyt-1+ et t=1,2,3…… et是均值为0,方差为sigma2的独立同分布序列, y0=0,et独立于y0。该过程是一阶自回归过程AR(1) 可以证明,MA(1)和AR(1)都是弱相关序列。 5·时间序列中OLS的渐进性质 (理解这些我认为对时间序列问题是很重要的喔。这些性质和高斯马尔科夫定理基本类似from wooldridge的计量,for further information可以参考原教材) 线性与弱相关;无完全共线性;零条件均值;同方差;无序列相关E(umun|Xm,Xn)=0 6·白噪声(white noise) Xt期望为0,方差sigma2∞,cov(Xt,Xt+h)=0,称{Xt}为白噪声过程。白噪声是岁极品跟过程,可以看出,其随机变量不相关。 7·随机游走(random walk) Xt=Xt-1+ut,如果ut为白噪声过程,那么Xt为随机游走过程。Var(Xt)=sigma2*t,方差随时间递增,明显是不平稳的过程。随机游走是高度持续性行为,是单位根过程的一个特例。 如果右边再加上一个α,α被称为漂移项,因此是带漂移项的随机游走。迭代之后可以得到E(Xt)=αt。但是要注意区分趋势行为和高度持续性行为,有趋势的序列不一定是高度持续相关的。此外,随机游走过程一般是I(1)(一阶单整integrated of orderone) 8·动态完备模型 E(ut|xt, yt-1, xt-1,……)=E(ut)= 0 用yt表示: E(yt|xt, yt-1, xt-1,……)= E(yt|xt) 上式说明了无论xt包含了什么,他都包含了足够多的滞后项,以至于y的解释变量的其他滞后项对解释y都没有任何意义,当这个条件成立时,我们得到了一个动态完备模型(dynamically completemodel),该模型满足假定5:无序列相关E(umun|Xm,Xn)=0。解释变量都是序列外生的,当然了,序列外生又意味着同期外生。so动态完备性意味着序列外生性。 9·单位根检验(unit root process) 从AR(1)说起,yt=α+ρyt-1+ et t=1,2,3…… 当且仅当ρ=1时,{yt}有单位根,α=0时,{yt}是随机游走;α!=0时,是带漂移项的随机游走。我们检验时原假设是ρ=1.备择假设是ρ1.更准确的可以说(0 1),因为ρ小于0的情况极少;ρ如果大于1很少考虑,因为这样的话yt就是发散的。当|ρ|1时,{yt}是稳定的AR(1)过程,即是弱相关或渐进无关的。对于单位根的检验常见的是Dickey-Fuller test.对于比上式更复杂的如增加△yt滞后项,对应的是augmentedDickey-Fuller test。需要注意一点的是test的临界值跟传统的不同。 10·协整检验 有时候两个变量虽然是随机游走的,但是他们的某个线性组合核能是平稳的,在这种情况下,称这两个变量是协整的。很多金融、经济时间序列可能不平稳,但是受共同因素的印象,从而在时间上表现出共同的趋势。这里对应的检验是恩格尔格兰杰检验(augmented) EG test.一般来说,适用于单一协整的系统。 11·ARIMA模型 时间序列模型可以分为AR,MA,ARMA等,常见的是ARMA,其中更常见的是ARMA(1,1)。一般认为有限项的MA(q)是平稳的,因为移动平均是由白噪声变量加权得到的。ARMA(p,q)过程的平稳性只依赖于自回归部分,其可逆性只依赖于移动平均部分。即不能有单位根。 12·ARMA模型定阶 定阶一般有自相关和偏自相关系数法、F检验法、信息准则法。用得较多的是相关系数法。需要根据自相关系数和偏相关系数的截尾和断尾情况来判断。这里不再详细说明,感兴趣的可以在网上查ARMA定阶的方法。 cut,除上述内容,还有许多的术语尚未列出。时间序列分析是一个很复杂的过程,在分析的时候可能会出现很多情况。如异方差和序列相关的处理,VAR VEC模型,还有怎么做预测,大家如果想更深一步的学习可以利用专门介绍时间序列的英文或中文教材,还是比较多的。下次我们会讲对于一个时间序列数据,在stata中常见的操作程序都有哪些。欢迎继续关注~~ refs:Introductory Econometrics(wooldridge); stata统计分析与应用(胡博等); 高级计量经济学及stata应用(陈强)etc.
个人分类:
金融工程
|
0
个评论
分享
内生性问题的本质
23pengpeng
2014-4-9 11:56
内生性问题的本质是观察不到的异质性导致自选择行为(解释变量是被解释变量被预期后的行为结果,即因果推断问题)。解决内生性问题的常用方法有倾向性得分匹配法(PSM),工具变量法(IV),间断回归设计(RD),DID(DDD),动态面板等。理论上,IV是最合适的,但工具变量在经济领域可以说是基本不存在的,弱工具还不如一般的OLS,即使通过弱工具检验,也无法证明该IV是不是一个好的工具变量。PSM通过降维来构建反事实数据,进行半参估计,但无法消除隐形偏差。DID弊端更多,有时甚至不如横截面估计(异质性样本趋势变化相同基本是不成立的)。社会实验的样本选择偏差问题同样存在。目前还没有完全的内生性问题解决方法,只能做到根据研究目的,几种方法相结合来使用。
24 次阅读
|
0
个评论
分享
面板数据的处理!(转)https://bbs.pinggu.org/forum.php?mod=viewthread&tid=46674 ...
tj8668631
2013-3-25 17:02
*横截面的异方差与序列的自相关性是运用面板数据模型时可能遇到的最为常见的问题,此时运用OLS可能会产生结果失真,因此为了消除影响,对我国东、中、西部地区的分析将采用不相关回归方法( SeeminglyUnrelated Regression, SUR)来估计方程。而对于全国范围内的估计来说,由于横截面个数大于时序个数,所以采用截面加权估计法(Cross SectionWeights, CSW) 。 *一般而言,面板数据可用固定效应(fixed effect) 和随机效应(random effect) 估计方法,即如果选择固定效应模型,则利用虚拟变量最小二乘法(LSDV) 进行估计;如果选择随机效应模型,则利用可行的广义最小二乘法(FGLS) 进行估计(Greene ,2000) 。它可以极大限度地利用面板数据的优点,尽量减少估计误差。至于究竟是采用固定效应还是随机效应,则要看Hausman 检验的结果。 *单位根检验:在进行时间序列的分析时,研究者为了避免伪回归问题,会通过单位根检验对数据平稳性进行判断。但对于面板数据则较少关注。随着面板数据在经济领域应用,对面板数据单位根的检验也逐渐引起重视。面板数据单位根的检验主要有Levin、Lin 和Chu 方法(LLC 检验) (1992 ,1993 ,2002) 、Im、Pesaran 和Shin 方法( IPS 检验) (1995 ,1997) 、Maddala 和Wu 方法(MW检验) (1999) 等。 *协整检验:协整检验是考察变量间长期均衡关系的方法。在进行了各变量的单位根检验后,如果各变量间都是同阶单整,那么就可以进行协整检验了。面板协整检验理论目前还不成熟,仍然在不断的发展过程中,目前的方法主要有: (1)Kao(1999)、Kao and Chiang(2000)利用推广的DF和ADF检验提出了检验面板协整的方法,这种方法零假设是没有协整关系,并且利用静态面板回归的残差来构建统计量。 (2)Pedron(i1999)在零假设是在动态多元面板回归中没有协整关系的条件下给出了七种基于残差的面板协整检验方法。和Kao的方法不同的是,Pedroni的检验方法允许异质面板的存在。 (3)Larsson et a(l2001)发展了基于Johansen(1995)向量自回归的似然检验的面板协整检验方法。这种检验的方法是检验变量存在共同的协整的秩。 *一般的顺序是:先检验变量的平稳性,当变量均为同阶单整变量时,再采用协整检验以判别变量间是否存在长期均衡关系。如果变量间存在长期均衡的关系,我们可以通过误差修正模型(ECM) 来检验变量间的长期因果关系;如变量间不存在协整关系,我们将对变量进行差分,然后通过向量自回归模型(VAR),检验变量间的短期因果关系。 ---------- 关于平稳性检验和协整检验、因果检验流程图 ↗ 同阶单整→协整检验→协整?(YES:EG两步法 for 长期因果关系;NO:误差修正模型ECM/VEC for 短期因果关系) 平稳?(单位根检验) ↘非同阶单整→差分使平稳→VAR→Granger因果检验 for 短期因果关系 原创]关于面板数据模型选择回归与检验流程图 混合 固定(main:个体固定) 随机(main:个体随机) ▏▁▁▁▁▁▁▁▁▁▁▁▁ ▏▁▁▁▁▁▁▁▁▁▁▁▁▁ ▏ ▏先回归估计 ▏先回归估计 ↓Cross-section:fixed ↓Cross-section:random F检验 Hausman检验 ▏ ▏ H0:混合 H1:个体固定 HO:个体随机 H1:个体固定 -- Output: ▏ ▏ If: If: F=(Cross-section F Stat.)Fa(df1,df2) H=(Cross-section Random Stat.)χ2a(df1) or Prob.a or Prob.a Then:reject H0,accept H1 Then:reject H0,accept H1
个人分类:
转载
|
26 次阅读
|
0
个评论
更多...
京ICP备16021002-2号
京B2-20170662号
京公网安备 11010802022788号
论坛法律顾问:王进律师
知识产权保护声明
免责及隐私声明
GMT+8, 2024-4-27 21:28
积分 0, 距离下一级还需 积分