6.4 半参数模型-高级应用计量经济学课件
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
§6.4半参数计量经济学模型
一、半参数线性回归模型 二、半参数二元离散选择模型
说明
• 从模型设定的角度，在实际应用研究中，一部分解释变量 与被解释变量的关系是可以设定的，而一部分难于设定， 提出了半参数模型问题。
• 从技术角度，完全非参数模型估计的收敛速度随着解释变 量的增加而越来越慢，存在“维数诅咒 ” ，提出了半参 数模型问题。
• 半参数模型在应用研究，特别在微观经济等领域具有广泛 应用 。因为对于微观计量经济学模型，一般需要比较多 的解释变量。
• 半参数模型与微观计量经济学模型结合，是一个方向。本 节以半参数离散选择模型为例。
一、半参数线性回归模型
1、半参数回归模型
Yi βZi g(Xi ) i , i 1, 2,L , n
2、最小二乘核估计
• 第一步：假设β已知，对非参数部分进行核估计。
g( Xi ) E(Yi | Xi ) βE(Zi | Xi )
Eˆ(Yi | Xi )
Eˆ (Zi | Xi )
gˆ(x, β) Eˆ(Yi | Xi ) βEˆ(Zi | Xi )
• 第二步：估计 β。采用OLS估计模型：
• 第三步：得到g(x)的最终估计，以及其导数的最 终估计。
gˆ (x) gˆ (x, βˆ )
gˆ (x) ST (x)(Y βˆZ)
二、半参数二元离散选择模型
1、半参数二元离散选择模型的含义
• 为了估计二元离散选择参数模型，必须基于效用模型的随 机误差项分布已知的假定。
• 但是，在现实中该假定不一定成立，错误的分布设定必然 导致错误的推断。
Yi Eˆ(Yi | Xi ) (Zi Eˆ(Zi | Xi )) vi
百度文库
• 第三步：得到最终估计。
gˆ(x) Eˆ(Yi | Xi ) βˆEˆ(Zi | Xi )
3、最小二乘局部线性估计
• 最小二乘核估计不能估计出非参数部分函数的导 数，在具体应用中具有较大的局限性。
• 最小二乘局部线性估计可以估计出非参数部分函 数的导数，该估计方法在实际应用中被广泛使用。
Zi (Z1i , , Z d0i ) X i ( X 1i , , X d1i )
• 模型的参数部分作为主要部分，把握被解释变量的大势走 向，适于外延预测；非参数部分，可以对被解释变量作局 部调整，使模型更好地拟合样本观测值。
• 模型没有常数项。如果有了常数项，则模型不可识别。 • 随机误差序列均值为零，与所有解释变量不相关。
• 半参数线性模型的最小二乘局部线性估计分三步 进行估计。
• 第一步：先设β已知，基于以下模型，得到g(x)的 局部线性估计,同时也可以获得其导数的估计。
Yi βZi g(Xi ) ui
• 第二步：基于以下参数模型，得到β的最小二乘 估计。
Yi βZi gˆ (Xi , β) i
βˆ (Z%TZ%)1 Z%TY%
• 将随机误差项的分布作为待估计的未知函数，这样就可以 有效克服二元离散选择模型的应用缺陷。
• 由于半参数模型估计的收敛速度慢于参数模型，必须有足 够多的样本才能实现半参数模型的估计。
• 半参数离散选择模型=关于解释变量的参数部分+关于随 机误差项的非参数部分。
2、半参数二元离散选择模型的估计
• 建议不作为课堂教学内容。
一、半参数线性回归模型 二、半参数二元离散选择模型
说明
• 从模型设定的角度，在实际应用研究中，一部分解释变量 与被解释变量的关系是可以设定的，而一部分难于设定， 提出了半参数模型问题。
• 从技术角度，完全非参数模型估计的收敛速度随着解释变 量的增加而越来越慢，存在“维数诅咒 ” ，提出了半参 数模型问题。
• 半参数模型在应用研究，特别在微观经济等领域具有广泛 应用 。因为对于微观计量经济学模型，一般需要比较多 的解释变量。
• 半参数模型与微观计量经济学模型结合，是一个方向。本 节以半参数离散选择模型为例。
一、半参数线性回归模型
1、半参数回归模型
Yi βZi g(Xi ) i , i 1, 2,L , n
2、最小二乘核估计
• 第一步：假设β已知，对非参数部分进行核估计。
g( Xi ) E(Yi | Xi ) βE(Zi | Xi )
Eˆ(Yi | Xi )
Eˆ (Zi | Xi )
gˆ(x, β) Eˆ(Yi | Xi ) βEˆ(Zi | Xi )
• 第二步：估计 β。采用OLS估计模型：
• 第三步：得到g(x)的最终估计，以及其导数的最 终估计。
gˆ (x) gˆ (x, βˆ )
gˆ (x) ST (x)(Y βˆZ)
二、半参数二元离散选择模型
1、半参数二元离散选择模型的含义
• 为了估计二元离散选择参数模型，必须基于效用模型的随 机误差项分布已知的假定。
• 但是，在现实中该假定不一定成立，错误的分布设定必然 导致错误的推断。
Yi Eˆ(Yi | Xi ) (Zi Eˆ(Zi | Xi )) vi
百度文库
• 第三步：得到最终估计。
gˆ(x) Eˆ(Yi | Xi ) βˆEˆ(Zi | Xi )
3、最小二乘局部线性估计
• 最小二乘核估计不能估计出非参数部分函数的导 数，在具体应用中具有较大的局限性。
• 最小二乘局部线性估计可以估计出非参数部分函 数的导数，该估计方法在实际应用中被广泛使用。
Zi (Z1i , , Z d0i ) X i ( X 1i , , X d1i )
• 模型的参数部分作为主要部分，把握被解释变量的大势走 向，适于外延预测；非参数部分，可以对被解释变量作局 部调整，使模型更好地拟合样本观测值。
• 模型没有常数项。如果有了常数项，则模型不可识别。 • 随机误差序列均值为零，与所有解释变量不相关。
• 半参数线性模型的最小二乘局部线性估计分三步 进行估计。
• 第一步：先设β已知，基于以下模型，得到g(x)的 局部线性估计,同时也可以获得其导数的估计。
Yi βZi g(Xi ) ui
• 第二步：基于以下参数模型，得到β的最小二乘 估计。
Yi βZi gˆ (Xi , β) i
βˆ (Z%TZ%)1 Z%TY%
• 将随机误差项的分布作为待估计的未知函数，这样就可以 有效克服二元离散选择模型的应用缺陷。
• 由于半参数模型估计的收敛速度慢于参数模型，必须有足 够多的样本才能实现半参数模型的估计。
• 半参数离散选择模型=关于解释变量的参数部分+关于随 机误差项的非参数部分。
2、半参数二元离散选择模型的估计
• 建议不作为课堂教学内容。