关于计量经济学Word格式.docx
- 文档编号:16458491
- 上传时间:2022-11-23
- 格式:DOCX
- 页数:5
- 大小:21.69KB
关于计量经济学Word格式.docx
《关于计量经济学Word格式.docx》由会员分享,可在线阅读,更多相关《关于计量经济学Word格式.docx(5页珍藏版)》请在冰豆网上搜索。
这样慢一点,但效果很好,而且也能成为STATA专家。
STATA手册比高级计量教材看起来轻松多了,就是告诉你怎么操作软件,然后得到什么结果的。
计量论文中的估计问题,最关键的事情,不是能推导估计量,而是在STATA里面选择一个“合适”的方法估计出来。
然后解释结果的经济意义。
而计量水平的高低,不在于方法的复杂性,而在于方法的合适程度。
因此高水平的计量论文,不必要求作者掌握高深的计量推导,而在于“选择”的技巧。
每种计量方法,都有优劣。
所谓用人之长,容人之短。
水平高的人,能够选择以其之长,攻它之短。
同时又能隐藏计量方法内在的拙劣。
其实,计量论文的水平主要决定于论文的主题的重要性。
这个话题大家都很关心,就很重要,发表就很容易。
所以,你会发现国际顶级期刊上一些计量论文所用的方法很简单。
这些论文能发表,主要是他讨论的问题很重要(这涉及第一个要点),采用的方法即使有缺陷,也无伤大雅。
如果问题不是非常重要,只是有新意,但是估计方法比较合适,也能发一个中上等期刊。
如果问题属于鸡毛蒜皮之类,那就只能诉诸于超级复杂的计量方法,祈求审稿人看论文时,方法还没看完就已经累得半死,再也没有心情来思考你的问题的重要性,然后也能通过了。
所谓的大杀器,不是指超级复杂的计量方法,而是指这种东西一旦用起来,一般不会有人来攻击。
所谓的一招毙命,毙了审稿人的命。
计量方法很多,可以说满天飞。
但是,真正有价值的方法,被人公认为具有一定可信度的方法(就是所谓的“大杀器”),只有5种。
并不是你所看到的所有的方法都有人信。
这点大部分初学计量的人都不会意识到。
看到书上介绍一个方法,就认为这是一个好方法。
其实不是。
书上很多方法的介绍,仅仅是出于理论推演的需要,并不是实际研究中都能用的。
你如果查阅一下国际上关于经验研究类的论文,会发现大部分论文所用方法无非是:
1、简单回归;
2、工具变量回归;
3、面板固定效应回归;
4、差分再差分回归(differenceindiffernece);
5、狂忒二回归(Quantile)。
大杀器就这几种,破绽最少,公认度最高,使用最广泛。
真是所谓的老少皆宜、童叟无欺。
其他的方法都不会更好,只会招致更多的破绽。
你在STATA里面还可以看到无数的其他方法,例如GMM、多层次分析法等。
这个GMM实在是一个没有用的忽悠,他还分为diffGMM和系统GMM。
其关键思想是当你找不到工具变量时,用滞后项来做工具变量。
结果你会发现令人崩溃的情况:
不同滞后变量的阶数,严重影响你的结果,更令人崩溃的是,一些判断估计结果优劣的指标会失灵。
这完全是胡搞!
这GMM的唯一价值在于理论价值,而不在于实践价值。
你如果要玩计量,你就可以在GMM的基础上进行修改(玩计量的方法后面讲)。
有人会问:
简单回归会不会太简单?
我只能说你真逗。
STATA里面那么多选项,你加就是了。
什么异方差、什么序列相关,一大堆尽管加。
如果你实在无法确定是否有异方差和序列相关,那就把选项都加上。
反正如果没有异方差,结果是一样的。
有异方差,软件就自动给你纠正了。
这不很爽嘛。
如果样本太少,你还能加一个选项:
bootstrap来估计方差。
你看爽不爽!
bootstrap就是自己提靴子的方法。
自己把脚抬起来扛在肩上走路,就这么牛。
这个bootstrap就是用30个样本能做到30万样本那样的效果。
有吸引力吧。
你说这个简单回归简单还是不简单!
很简单,就是加选项。
可是,要理论推导,就不简单了。
我估计国内能推导的没几个人。
经济研究上论文作者,最多只有5%的人能推导,而且大部分是海龟。
所以,你不需要会推导,也能把计量做的天花乱坠。
工具变量(IV)回归,这不用说了,有内生性变量,就用这个吧。
一旦有内生性变量,你的估计就有问题了。
国际审稿人会拼了老命整死你。
国内审稿人大部分不懂这东西(除了经济研究这类刊物的部分审稿人以外)。
工具变量的选择只要掌握一个关键点就行:
找一个和内生性变量有数据相关的,但是没有因果关系的东西,这就是你的IV了。
例如贸易量如果是内生的,那么你找地理距离作为IV。
北京到纽约的距离,那是自然形成的,没人认为是由贸易量导致的,这就是没有因果关系。
但是你会发现两者在数据上具有相关性。
这就很好。
这种数据相关性越强,IV的效果就越好。
就这么一段话,IV变量回归就讲完了。
在STATA里面,你直接把原回归方程写出来,然后把IV填进去就可以了,回车就得到你的结果。
关键是你不一定能找到这样的工具变量。
你能找到,这个工具也不大能用。
不过要注意,IV不灵不代表你不能发表。
经济研究上还不是发了一大堆这样的论文。
所以,你只要找到一个IV,效果不是差的太离谱,一般都能发。
当然不能发国际一流了。
国内是没问题。
国内审稿人没人会重复你的结果看看是否有问题,因此你说这个IV效果已经是最好的了,世界上还找不到第二个比这个更好的了,审稿人也没的话说。
就发表呗!
如果审稿人说,另外一个IV效果可能要比你的好。
那你就采纳他的建议用他的IV(尽管他的建议会更差),然后感谢他一下。
第二次审稿,难道他还会说自己上次是胡说八道?
?
所以就发表了,哈哈哈哈!
有人又会问:
面板不是还有个随机效应嘛?
我只能说,你是看过书的人,所以才知道随机效应。
其实随机效应压根就没什么用处。
有人信誓旦旦说可以用hausman来检验。
我只能告诉你,这检验压根就不可靠。
可靠也是理论上可靠,实践上根本没人信。
当然中国人都信,不信的都是美国欧洲这样的计量经济学家。
你难道不知道hausman还会出现负值!
做过这个检验的人都很头疼这个负值,不知道该怎么做。
你如果看看一些高手的建议,或者一些书籍,你就会发现,最权威的建议就是:
当你无法判断该用固定效应还是随机效应的时候,选择固定效应更可靠。
随机效应不是任何时候都可以做,但是固定效应是任何时候都可以做。
所以你知道该怎么做了吧。
差分再差分,是固定效应的一个变种,在估计某个事件发生带来的效应时最有用的方法,特简单,看看STATA手册就明白了。
狂忒二回归(Quantile)是一般均值回归的一个推广。
看名字挺吓人,其实很简单。
如果你知道OLS是一个均值回归,那类推就可以知道1/2分位数回归。
你知道的,正态分布下,均值就是1/2分位数的地方。
均值回归就是1/2分位数回归。
知道了1/2回归,你自然知道1/4和3/4分位数回归了。
如果还不懂,翻开伍德里奇的书,讲到简单OLS回归时,我记得有一个图,上面对不同位置的x位置画了不同的正态分布密度函数(第2版是figure2.1,pp26,见下面)。
如果是异方差问题,那么不同x位置的正太分布图的方差就有变化。
这个图上注明了预测值是E(Y|X),就是Y的条件期望,就是那根回归预测直线啦。
在正态分布下就是Y的密度函数的中心点的连线,就是1/2分位数点的连线。
如果那条预测线画在密度函数的1/4和3/4分位数点上,那么预测结果就不是Y的均值(在非正态下可能是均值),而是1/4和3/4分位数点的预测值。
这下明白狂忒二回归了吧。
分位数回归就是看看那根预测直线在不同的分位数点上有什么结果,得到什么样的回归系数。
通常的OLS预测直线,仅仅是一个特例而已。
进一步推广,可以推广到任意分位数点回归的情况。
道理一样。
伍德里奇《计量经济学导论——现代观点》的图2.1(解释Quantile回归的意义)
不过要注意,大杀器要用对。
有内生性变量,你就不要用简单回归了,你得用IV回归。
这几种大杀器的精髓一领会,基本上其他东西就难不倒你了。
就是STATA里面的选项多选几个或者少选几个的问题。
你所要做的就是在STATA里面打钩、设置参数。
对付一般的CSSCI论文,已经是绰绰有余了。
如果你提了一个大家很感兴趣的问题,就是一个重要问题,那么用用IV,或者固定面板,发个经济研究基本没问题。
如果你的问题不是很重要,还想发经济研究,那你就要简单问题复杂化。
上面大杀器能解决的问题,你就用更不可靠的方法但更复杂的方法去解决吧。
大家用开源软件就会知道,一般开源软件会有一个稳定版本,功能比较少,效果很稳定,能满足你日常几乎所有的需求。
还有一个开发版本,专门给那些吃饱了撑着没事干的人倒腾的版本,因为是开发版本,所以很不稳定,经常会出错、崩溃。
不过能倒腾的人不怕崩溃,崩溃了能自己修。
你要是想倒腾,接着往下看吧。
瞎倒腾有两种水平,第一种是低水平,第二种,那你也猜到了,就是高水平瞎倒腾。
低水平瞎倒腾,就是大杀器不够过瘾,要用摄人魂魄、但容易走火入魔的计量方法达到发表经济研究的目的。
例如,没事弄弄协整,搞一把单位根检验之类的。
听起来头头是道,其实都是杞人忧天。
你想想,要是有协整,时间序列你根本不用着急。
要是没有协整,你着急也没用。
那你还协整个啥!
面板来说,你有协整,也没有一个较好的估计方法,期刊上不是还有很多人在用固定效应OLS,或者是加点滞后滞前项变成一个固定效应动态OLS来估计非平稳面板嘛。
面板到现在为止也没有一个公认的可靠的协整向量估计方法,否则STATA这样的软件早就提供按钮了(STATA和EVIEW现在只有协整的检验方法,不是协整向量的估计)。
既然没有公认可靠的方法,你急啥!
其实,协整这玩意,最大的价值也在于理论价值,实践价值几乎没有。
当年格兰杰发表协整思想,说如果变量不平稳,在没有协整关系的情况下,前人回归都不可靠。
这话把大家吓个半死。
惊魂未定时格兰杰又说,在协整情况下没问题,大部分论文中的经济变量都有协整关系。
大家一听,松了口气,原来没有问题。
有问题的那些少数自然自讨没趣。
从格兰杰当年这搞笑天分,你就知道期刊上那些协整玩意都是忽悠。
当然,又是单位根检验,又是协整检验,然后各种估计方法,这就好几页篇幅过去了,经济研究编辑一看,至少进入匿名审稿了。
兵法曰:
唱空城计,以静制动。
意思你知道的。
上面是低水平瞎倒腾。
虽然摄人魂魄,但是一旦走火入魔,论文就被毙。
风险和收益,你自己把握吧。
下面简单谈谈高水平瞎倒腾。
这不属于本文的目标范围,但是既然提到瞎倒腾,不提一下这个有点缺陷。
能干这事的人,一般都要看过高级计量。
不看是不会的。
如果你没看过,下面可以直接跳过。
这高水平瞎倒腾,基本上是一招毙命,当然是毙审稿人和主编的命。
要毙了自己的命,还不如不瞎倒腾呢。
我只讲一下操作步骤。
能如此瞎倒腾的人,基本一看就能心领神会。
找一篇顶级期刊的名人写的经验研究论文。
这类论文通常是问题很重要,方法很傻瓜。
然后你去拓展方法。
这里改改残差假设,那里修修变量平稳性强度,重新推导一下估计量(这就是为什么走这条路,你就得会推导),得到一个新的分布,然后按照这个新分布来做显著性检验,得到你想要的结果。
看看有什么结果变化。
啥变化也没有那几乎是不可能的。
即使没大的变化,也会有系数程度大小的变化,或者显著性有所轻微变化。
只要有变化,就大做文章,巴拉巴拉一大堆讨论,晕死他再说。
这论文写出来,投经济研究自然没什么问题。
说实话国内能这么玩的人毕竟少数。
你玩把戏,审稿人都不一定看得出来。
自然就通过了。
如果投国际上一流刊物,那么多人在玩这个把戏,都是火眼金睛,就看你玩的转否。
如同马戏团的杂技,有人玩得溜,有人会出破绽。
再补充一个中等水平的瞎倒腾方法。
你也不需要会推导公式,但是你得会用一些傻×
程序,例如GAUSS,MATLAB、R等。
你平时紧紧盯着那些出新方法的期刊,我指的是国际期刊哦。
一旦有一个新方法出来,作者都会附一个程序,例如R程序。
你就下载下来。
看明白这篇对应论文的摘要、introduction和结论,基本搞清楚这方法是针对什么样的问题的,在什么情况下能用。
这就行了。
你拿过来把中国数据往里面灌,然后出来一篇论文。
因为这方法很新,国内基本没人见过,即使见过也是极少数人。
没人见过就好办事。
你说自己的结果怎么样可靠,怎么样比别人的结果要好,那就是好。
编辑肯定没见过这方法,审稿人只是小概率见过。
所以这论文一投就中。
以揭示经济变量之间关系为目的的人,掌握大杀器的用法就够了。
发CSSCI没有问题。
你把一个数据集用一个方法做一遍,每个方法都做一遍。
然后挑最差的一个结果写一篇论文,然后发表。
然后次佳的结果写第二篇,推进你第一篇的结论,说你用了新方法有了新发现。
准能发。
这年头的CSSCI,大部分都是没有什么新结果的,花钱就能发。
你要弄出一些新结果来推进一下,那就是上层之作了。
然后,你知道的,第三篇文章杀出来了,第四篇文章又杀出来了。
别忘了,还有第五种狂忒二方法,CSSCI编辑基本不知道啥东西,你基本上是一招杀敌。
这样至少5篇CSSCI。
一般研究生博士生都能毕业了。
碰到**的学校,你也**一点,再找一个数据集,再整5篇CSSCI。
10篇总能让人毕业了吧!
!
如果你的学校非要发经济研究管理世界中国社科,那你就再把我上面的五种方法看一遍,融会贯通,让自己能做到对症下药,发经济研究基本没问题。
对症下药就是计量方法要选择合适的,那几种大杀器不要用错了地方。
结论
你那学校发经济研究也不能毕业?
难道你在哈佛念书?
那你看错帖子了。
哈佛写经验类论文是不能毕业的!
对于大部分国内学生来说,没人教授计量经济学,很痛苦。
有人教授计量,更痛苦。
计量经济学的教材、那些漫天飞舞的矩阵,有时间看看,没时间不看也行,不影响写论文。
关键是看看软件的手册,有条件找个懂软件的人,一周就能成为计量写作的高手。
我猜想看这帖子的大部分人都是属于写经验论文的吧,按照上面的方法,发个10篇CSSCI基本没问题。
难道毕业还有问题?
特别申明:
以上方法,只是用于应急、被迫发表才能毕业等情况。
如果有时间,还需要认真阅读高级计量,不但做到知其然,还要做到知其所以然。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 关于 计量 经济学