应用计量经济学的常见问题_陈强老师原创

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

不知从何时起，解答计量问题成了我日常生活的一部分。天南海北的读者与同道提出了各种各样的计量问题。这里摘取少量的典型问题，希望对从事实证研究的朋友有帮助。

1、在什么情况下，应将变量取对数再进行回归？

答：可以考虑以下几种情形。

，如果理论模型中的变量为对数形式，则应取对数。比如，在劳动经济学中研究教育投资回报率的决定因素，通常以工资对数为被解释变量，因为这是从Mincer模型推导出来的。

第二，如果变量有指数增长趋势（exponential growth），比如 GDP，则一般取对数，使得 lnGDP 变为线性增长趋势（linear growth）。

第三，如果取对数可改进回归模型的拟合优度（比如 R2 或显著性），可考虑取对数。

第四，如果希望将回归系数解释为弹性或半弹性（即百分比变化），可将变量取对数。

第五，如果无法确定是否该取对数，可对两种情形都进行估计，作为稳健性检验（robustnesscheck）。若二者的回归结果类似，则说明结果是稳健的。

2、如何理解线性回归模型中，交互项（interactive term）系数的经济意义？

答：在线性回归模型中，如果不存在交互项或平方项等非线性项，则某变量的回归系数就表示该变量的边际效应（marginal effect）。比如，考虑回归方程

y = 1 + 2x + u

其中， u 为随机扰动项。显然，变量x 对 y 的边际效应为 2，即 x 增加一单位，平均而言会使 y 增加两单位。考虑在模型中加入交互项，比如

y = α + βx + γz + δxz+ u

其中， x 与 z 为解释变量，而 xz 为其交互项（交叉项）。由于交互项的存在，故x 对 y 的边际效应（求偏导数）为β + δz，这说明 x 对 y 的边际效应并非常数，而依赖于另一变量z 的取值。如果交互项系数 δ 为正数，则 x 对 y 的边际效应随着 z 的增加而增加（比如，劳动力的边际产出正向地依赖于资本）；反之，如果δ 为负数，则 x 对 y 的边际效应随着z 的增加而减少。

3、在一些期刊上看到回归模型中引入控制变量。控制变量究竟起什么作用，应该如何确定控制变量呢？

答：在研究中，通常有主要关心的变量，其系数称为 “parameterof interest” 。但如果只对主要关心的变量进行回归（极端情形为一元回归），则容易存在遗漏变量偏差（omittedvariable bias），即遗漏变量与解释变量相关。加入控制变量的主要目的，就是为了尽量避免遗漏变量偏差，故应包括影响被解释变量 y 的主要因素（但允许遗漏与解释变量不相关的变量）。

4、很多文献中有 “稳健性检验” 小节，请问是否每篇实证都要做这个呢？具体怎么操作？

答：如果你的论文只汇报一个回归结果，别人是很难相信你的。所以，才需要多做几个回归，即稳健性检验（robustness checks）。没有稳健性检验的论文很难发表到好期刊，因为不令人信服。稳健性检验方法包括变换函数形式、划分子样本、使用不同的计量方法等，可以参见我的教材。更重要的是，向同领域的经典文献学习，并模仿其稳健性检验的做法。

5、对于面板数据，一定要进行固定效应、时间效应之类的推敲么？还是可以直接回归？我看到很多文献，有的说明了使用固定效应模型的原因，有的则直接回归出结果，请问正确的方法是什么？

答：规范的做法需要进行豪斯曼检验（Hausman test），在固定效应与随机效应之间进行选择。但由于固定效应比较常见，而且固定效应模型总是一致的（随机效应模型则可能不一致），故有些研究者就直接做固定效应的估计。

对于时间效应也同时考虑，比如，加入时间虚拟变量或时间趋势项；除非经过检验，发现不存在时间效应。如果不考虑时间效应，则你的结果可能不可信（或许x 与 y 的相关性只是因为二者都随时间而增长）。

6、如何决定应使用二阶段最小二乘法（2SLS）还是广义矩估计（GMM）？

答：如果模型为恰好识别（即工具变量个数等于内生变量个数），则GMM完全等价于2SLS，故使用2SLS就够了。在过度识别（工具变量多于内生变量）的情况下，GMM的优势在于，它在异方差的情况下比2SLS更有效率。由于数据或多或少存在一点异方差，故在过度识别情况下，一般使用GMM。

7、在面板数据中，感兴趣的变量x 不随时间变化，是否只能进行随机效应的估计（若使用固定效应，则不随时间变化的关键变量 x  会被去掉）？

答：通常还是使用固定效应模型为好（当然，可进行正式的豪斯曼检验，以确定使用固定效应或随机效应模型）。如果使用固定效应，有两种可能的解决方法：

（1）如果使用系统GMM估计动态面板模型，则可以估计不随时间而变的变量x 的系数。

（2）在使用静态的面板固定效应模型时，可引入不随时间而变的变量 x与某个随时间而变的变量 z 之交互项，并以交互项 xz （随时间而变）作为关键解释变量。

8、对于非平稳序列，能否进行格兰杰因果检验？

答：如果非平稳序列之间存在协整关系，则可进行格兰杰因果检验（Grangercausality test）。这是因为，根据“格兰杰表示法定理”（Granger Representation Theorem），任何协整系统都可写为向量自回归（VAR）模型，即格兰杰因果检验的形式。

反之，如果非平稳序列之间不存在协整关系，则须先将原序列变为平稳过程（比如一阶差分），然后再进行格兰杰因果检验；否则会出现“伪回归”（spuriousregression）问题。

9、对于面板数据，如何进行格兰杰因果检验？

答：在对面板数据进行格兰杰因果检验时，由于被解释变量（dependentvariable）的滞后项作为解释变量（explanatory variable）出现在方程右边，故为动态面板模型（dynamic panel），应使用差分GMM或系统GMM进行估计，详见陈强（2015，p.381）。

10、从哪里可以下载《计量经济学及Stata应用》与《高级计量经济学及Stata应用》这两本教材的数据集？

答： 关于我的本科教材《计量经济学及Stata应用》与研究生教材《高级计量经济学及Stata应用》，其数据集与课件均可从我的个人网站www.econometrics-stata.com 下载。

高级计量经济学及Stata
陈强老师2018年首场6天现场班

在原有四天班精彩内容基础上，这次六天高级现场班又增加了不少全新的前沿内容，

包括交互固定效应、因果图、回归控制法、分位数回归、门限回归、控制函数法、局部平均处理效应、大数据计量经济学等。
时间：2018年4月27-5月2日（六天）
地点：北京市海淀区首都体育学院
安排：上午9:00-12:00；下午2:00-5:00；答疑5:00-5:30
费用：6000元 /5000元 (仅限全日制本科生和硕士研究生)；食宿自理
我要报名

优惠：

现场班老学员9折优惠；

同一单位三人以上同时报名9折优惠；

以上优惠不叠加。

PS：根据缴费顺序安排座位

报名流程：

点击“我要报名”，在线提交报名信息；

通过订单缴费；

开课前一周发交通住宿指南和课程资料。

联系方式：

魏老师

QQ：1143703950

Tel：010-68478566

Mail：vip@pinggu.org

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享3 收藏224 回帖

关键词：应用计量经济学 应用计量经济 计量经济学 常见问题 计量经济 经济学

讲师介绍：          

陈强，分别于1992年与1995年获得北京大学经济学学士与硕士学位，2007年获美国Northern IllinoisUniversity数学硕士与经济学博士学位，现任山东大学经济学院教授，博士生导师，泰岳经济研究中心副主任（主持工作）。主要研究领域为计量经济学、经济史。

已独立发表论文于Oxford Economic Papers (lead article)，Economica，Journalof Comparative Economics，《经济学(季刊)》、《世界经济》等国内外期刊。

著有畅销教材《高级计量经济学及Stata应用》（第2版，高教社，2014）与《计量经济学及Stata应用》（高教社，2015）。2010年入选教育部新世纪人才支持计划。

目标学员：

经济及社科类青年教师、博士生、硕士生、高年级本科生。

培训目的：

掌握高级计量经济学的核心方法及Stata操作，不再茫然，知其然而知其所以然，迅速成为处理数据及定量分析的高手。

课程特色：

直观地解释高级计量经济学方法，通过案例学习相应的Stata操作，深入浅出地介绍实证分析与论文写作的精髓。

课程配套资料：

课程PPT、数据集及相关论文。

课程简介：

      自从2010年我的研究生教材《高级计量经济学及Stata》出版以来，受到了广大读者的热烈欢迎。天南海北的读者来信，既有大学的青年教师，也有普通院校的硕博、甚至本科生，在庆幸有此集理论与操作一体、便于自学的计量教材之余，也十分渴望有面授的机会，能够迅速掌握高级计量与Stata的真谛、游刃有余地进行实证分析。为此，经管之家论坛的同仁力邀我于2013年10月在北京首次开设高级计量及Stata现场班。在四天的现场班期间，学员们上课无不聚精会神，课下则积极提问。看到大家豁然开悟的表情，透着如获至宝的喜悦，四天密集教学的辛劳早已如浮云飘散。

      本次高级计量经济学及Stata现场班，将根据多次现场班的反馈进一步完善。在课程内容的设计上，主要指导思想是在较快时间内，将高级计量及Stata的精髓及核心内容，以通俗生动的语言以及大量的案例交给学员，并注重在各领域的常见应用，诸如面板数据、时间序列、工具变量法以及微观计量，乃至论文写作的各个环节技巧。由于学员的基础不同，本课程仅对学员背景做要求，即假设学员知道概率统计及少量线性代数，但不要求学过计量经济学或Stata操作。因为“大道至简至易”，初级计量与高级计量的本质是一样的，学子们需要的是能够直指人心地洞明计量原理与操作工具，然后得心应手地用于实战（而非完成习作）。

课程大纲：

第一讲，OLS及其标准误。

着重介绍小样本与大样本OLS，以及相应的普通标准误、异方差稳健标准误、异方差自相关稳健标准误、聚类稳健标准误、自助标准误（bootstrap standard errors）。深切理解OLS的原理与适用条件，是一切计量原理的基础。

第二讲，Stata快速入门。

及时地介绍Stata知识，以OLS在Stata的实现作为入门，体会Stata的简单与强大。

第三讲，二值选择模型。

被解释变量为虚拟变量的二值选择模型有着广泛的应用。包括Probit，Logit，MLE与QMLE等。

第四讲，工具变量法。

由于双向因果、遗漏变量、度量误差的普遍存在，内生性是实证研究的常见难题，而工具变量法是解决内生性的利器，包括2SLS、GMM、控制函数法（Control Function）、包含内生变量的ivprobit、异质性工具变量法（Local Average Treatment Effect）等。   

第五讲，静态面板。

面板数据由于能控制个体异质性（heterogeneity），缓解遗漏变量偏差，在实践中越来越重要。静态面板是较常见的面板，包括固定效应、随机效应、时间效应、双向固定效应等。

第六讲，动态面板。

经济现象常具有某种惯性或部分调整，即被解释变量的滞后值出现在方程右边。动态面板也因为可自带工具变量而应用广泛。包括面板工具变量法（Panel IV）、差分GMM、水平GMM与系统GMM等。

第七讲，门限回归（ThresholdRegression）：

包括横截面与面板模型的门限回归。

第八讲，非参数与半参数估计（Nonparametric and Semiparametric Estimations）。

非参与半参方法由于其稳健性而日益进入标准的计量工具箱，包括核密度估计、非参数回归与半参数回归等。

第九讲，随机实验、自然实验与双重差分法（Difference-in-Differences）。

实验方法因其可信度而日益兴起，包括随机实验、第一类与第二类自然实验。双重差分法利用面板数据的优势，可克服部分内生性，是研究政策或项目处理效应（treatment effects）的主要工具。包括双重差分法、平行趋势假设、三重差分法等。

第十讲，倾向得分匹配（PropensityScore Matching）。

基于反事实的框架，根据个体进入处理组的概率（即倾向得分）寻找较佳替身进行匹配估计，这是研究处理效应的一种深邃思想与方法。包括倾向得分匹配、双重差分倾向得分匹配等。

第十一讲，控制变量的选择。

选择合适的控制变量是计量分析的重要步骤，而因果图方法（Causal Directed Acyclic Graph）提供了一个清晰的思考框架。

第十二讲，合成控制法（SyntheticControl Method）。

在评价某处理地区的政策效应时，将控制地区进行较优的线性组合，以构造合成控制地区进行对比，这是估计处理效应的新兴强大方法。包括合成控制法的统计推断与稳健性检验等。

第十三讲，回归控制法（RegressionControl Method）。

与合成控制法类似，但使用回归法来构造合成控制地区（Hsiao et al., 2012）。

第十四讲，断点回归（RegressionDiscontinuity Design）与拐点回归（Regression Kink Design）。

由于在断点附近存在局部随机分组，故断点回归的效力接近于随机实验，日益为研究者所青睐。包括精确断点回归、模糊断点回归、空间断点回归等。

第十五讲，分位数回归。

线性回归只是研究在给定X的情况下，Y的条件期望E(Y|X)；而分位数回归则可研究在给定X的情况下，Y的整个条件分布Y|X，从而揭示更多信息。

第十六讲，机器学习与大数据。

大数据与高维回归等机器学习(Machine Learning)方法正迅速成为经济学家的常用工具。本讲介绍Lasso, Ridge Regression, Elastic Net, Post Lasso, Double Lasso，主成分分析，因子分析等机器学习方法。

第十七讲， 面板数据前沿：

交互固定效应（interactive fixed effects）将传统的双向固定效应进一步推广，因为现实经济中常存在多种冲击（shocks或factors），而不同个体对此冲击的反应不同（factor loading）。

第十八讲，空间计量经济学（Spatial Econometrics）。

传统计量经济学通常忽略横截面单位的空间分布与相互影响，而空间计量经济学则是考察空间效应、溢出效应等的重要工具。包括空间权重矩阵、空间自回归、空间误差模型与空间面板等。

独家讲义资料提供，与课程更好的契合，不容错过，Now or Never

可以接收到比书更全面，立体，完善的高级计量经济学与stata学习体验，来自陈强老师

支持陈总

支持支持，谢谢分享！

支持陈强老师！

支持支持，谢谢分享！

资料狂人 发表于 2016-9-6 09:34
不知从何时起，解答计量问题成了我日常生活的一部分。天南海北的读者与同道提出了各种各样的计量问题。这里 ...

不错

非常有道理的指导，很好很不错