目录

  • 1 导论
    • 1.1 什么是计量经济学
    • 1.2 计量经济学一般方法
    • 1.3 计量经济学的内容体系
    • 1.4 计量经济学应用问题
  • 2 大数据预处理
    • 2.1 数据采集
    • 2.2 数据质量
    • 2.3 数据预处理
  • 3 经典线性回归模型
    • 3.1 回归分析的概述
      • 3.1.1 回归分析的含义
      • 3.1.2 总体回归函数
      • 3.1.3 随机误差项
      • 3.1.4 样本回归函数
    • 3.2 线性回归模型和基本假定
    • 3.3 线性回归模型的参数估计
      • 3.3.1 普通最小二乘估计
      • 3.3.2 矩估计
      • 3.3.3 极大似然估计
    • 3.4 线性回归模型的统计检验
      • 3.4.1 置信区间检验
      • 3.4.2 显著性检验
      • 3.4.3 拟合优度检验
      • 3.4.4 方程显著性检验
    • 3.5 线性回归模型的预测
      • 3.5.1 均值预测
      • 3.5.2 个值预测
    • 3.6 可线性化的非线性回归模型
      • 3.6.1 双对数线性模型
      • 3.6.2 半对数线性模型
      • 3.6.3 双曲线函数模型
      • 3.6.4 生长曲线函数模型
      • 3.6.5 多项式回归模型
    • 3.7 双变量线性回归模型的延伸
      • 3.7.1 过原点回归模型
      • 3.7.2 测量单位与标准化回归
  • 4 经典线性回归模型的拓展
    • 4.1 多重共线性
      • 4.1.1 多重共线性的性质
      • 4.1.2 多重共线性的后果
      • 4.1.3 多重共线性的诊断
      • 4.1.4 多重共线性的补救
    • 4.2 异方差
      • 4.2.1 异方差的性质
      • 4.2.2 异方差的后果
      • 4.2.3 异方差的检验
      • 4.2.4 异方差的补救
    • 4.3 自相关
      • 4.3.1 自相关的性质
      • 4.3.2 自相关的后果及估计问题
      • 4.3.3 自相关的检验
      • 4.3.4 自相关的补救
    • 4.4 联立方程模型
      • 4.4.1 联立方程模型简介
      • 4.4.2 联立方程的识别
      • 4.4.3 联立方程的估计
    • 4.5 内生性问题
      • 4.5.1 内生解释变量及后果
      • 4.5.2 内生性问题的解决方法
    • 4.6 大数据场景案例分析
  • 5 虚拟变量回归模型
    • 5.1 虚拟变量的数值化
    • 5.2 虚拟解释变量加法模型与乘法模型
    • 5.3 虚拟变量的特殊应用
      • 5.3.1 虚拟变量应用一结构变化与政策调整
      • 5.3.2 分段线性回归
      • 5.3.3 虚拟变量应用一季节波动
      • 5.3.4 交互效应分析
    • 5.4 虚拟变量的综合应用
  • 6 离散与受限因变量模型
    • 6.1 线性概率模型
    • 6.2 Logit模型
    • 6.3 Probit模型
    • 6.4 Tobit模型
  • 7 计数模型
    • 7.1 泊松回归模型
    • 7.2 负二项回归模型
    • 7.3 零膨胀回归模型
    • 7.4 计数模型综合示例
    • 7.5 大数据场景案例分析
  • 8 高维数据的套索回归模型
    • 8.1 高维数据与正则化方法
    • 8.2 套索回归模型
    • 8.3 超参数的设定
    • 8.4 模型估计与评估
    • 8.5 案例分析
虚拟解释变量加法模型与乘法模型

虚拟解释变量---加法模型和乘法模型 
虚拟解释变量进入模型的基本形式: 
 
一、 加法模型 
加法模型---一个虚拟变量单独作为解释变量进入模型。 
例1:在分析工资收入的决定因素时,若假设影响工资的除了入职年限以外,还与员工的岗位等级(是否高管)相关,则模型可设为: 


则有: 

加法模型的实质: 
1.的引入实质是按照是否高管这一特征将样本分为了不同群体,分别对其进行了回归参数的估计。此时的差异体现在模型截距上。 
---那这与把样本分成两组,分别进行参数估计有何区别? 
2.高管与非高管样本的回归线差异:

 
3.不同岗位等级间是否存在显著的工资差异根据什么判断? 
二、 乘法模型 
乘法模型---一个虚拟变量与一个定量变量的交叉乘积作为解释变量。 
例2:在分析城镇家庭的消费问题时,若假设户籍人口与流动人口间由于医疗、教育的社会保障条件不同,因而具有不同的储蓄倾向,则模型可设为 

 
则有: 

乘法模型的实质: 
1.的引入依然按照是否户籍人口家庭这一特征将样本分为了不同群体,分别对其进行了回归参数的估计。与加法模型的区别在于,此时的差异通过数量型变量收入而体现。 
2.户籍家庭与流动人口家庭样本的回归线差异:

 
三、 即加且乘模型 
即加且乘模型---虚拟变量单独做解释变量同时也出现与数量变量的乘积。 
例3:还是分析我国居民消费问题,但样本为城镇地区常住人口和农村地区常住人口,模型设定为: 

则有: 

乘法模型的实质: 
1.的引入按照是否城镇家庭这一特征将样本分为了不同群体,但与加法模型的区别在于,此时的差异通过截距(自发消费)和斜率(边际消费倾向)同时体现。 
2.城镇家庭与农村家庭样本的回归线差异: 
 
3.若例3采用了如例2的模型,则忽略了城镇家庭与农村家庭的哪一种差异? 
4.在现实问题中,依据何种规则在加法、乘法和即加且乘模型中进行选择? 
四、 虚拟变量应用模式比较