计量经济学导论 8.5分
读书笔记 第一章
绿蜻蜓

第一章 计量经济学的性质与经济数据 讨论计量经济学的研究领域,并提出在应用计量经济方法过程汇总所遇到的一般问题。 1.1什么是计量经济学 1.3考察商业、经济学和其他社会科学中所使用的数据集的种类。 1.4对社会科学中的因果性推断的困难进行直观讨论。 从什么导入:两个背景,意思就是学完这本入门教程后,应该要知道如何用计量模型去规范评价一个培训项目是否真的可以提高薪酬,或者检验一个简单的计量经济理论。 计量经济学最常见的应用就是对利率、通胀率和GDP等重要宏观经济变量的预测。也可以用于与宏观经济预测无关的经济领域。比如,研究在政治竞争中支出对投票结果的影响,还可以考虑学校支出对教育领域学生表现的影响。 计量经济学已从数理统计中分离出来,因为它主要考虑的领域是非实验数据的。 非实验数据(non-experimental data),或被称为观测数据(observational data),以强调研究者只是被动的数据搜集者这一事实。 自然科学中的实验数据(experimental data)通常在实验室获取数据。1.4会给出实验数据与非实验数据之间的区别。 1.2经验经济分析的步骤 当我们有一个经济理论需要检验的时候,要么在我们的脑海中有一种关系,而在这一关系对商业决策或政策分析又很重要时,便开始用计量方法。 经验分析(empirical analysis)就是利用数据来检验某个理论或估计某种关系。 1.3经济数据的结构 横截面数据集(cross-sectional data set),就是在给定时间点,对一个对象(个人、企业等单位)采集的样本所构成的数据集。 有时,所有单位的数据并非完全对应于同一个时间段。 例如,几个家庭能在一年中的不同星期被调查。 在一个纯粹的横截面分析中,应忽略数据搜集中细小的时间差别。如果一系列家庭都是在同一年度的不同星期被调查的,那仍称之为横截面数据集。 横截面数据的一个重要特征是,通常假定,它们是从样本背后的总体中通过随机抽样(random sampling)而得到的。 时间序列数据集(time series data set)是由一个或几个变量在不同时间内的观测值所构成。 一个特征,有滞后性,后面的和前面的数据有关。 另一个是数据搜集中的数据频率(data frequency),最常见的是每天、周、月、季度和年。 混合横截面数据 比如,对美国家庭进行两次横截面数据的调查,一次在1985年,一次在1990年。在1985年,对家庭的一个随机样本调查了工资、储蓄、家庭大小等变量。到了1990年,用同样的调查问题又对家庭的一个新随机样本进行调查。 为扩大样本容量,可以将这两年的数据合并成一个混合横截面数据(pooled cross section)。由于在每年都是随机抽样,所以同一个家庭在两年的样本中都出现纯属偶然。这使混合横截面数据有别于综列数据集。 把不同年份的横截面数据混合起来,通常是分析一项新政府政策之影响的有效方法。其思想是,搜集一个重要的政策变化之前和之后的数据。比如,在1993年和1995年都对住房价格搜集了数据集,而在1994年则下调了财产税。 假设1993年有250个房子的数据,1995年有270个房子的数据。观测1~250对应于1993年出售的房子,而观测251~520则对应于1995年出售的房子。 对混合横截面数据的分析与对标准横截面数据的分析十分相似。不同在于,前者通常要对变量在不同时间的现实差异作出解释。实际,除了能扩大样本容量外,混合横截面分析通常是为了让我们看出一个关键的关系如何随时间而变化。 综列或纵剖面数据 纵列数据(panel data)(或纵剖面数据)集由横截面数据集中每个数据的一个时间序列组成。 比如,对一系列个人的工资、受教育情况和就业史跟欧洲那个了10年,或对一系列企业诸如投资和财务数据等搜集了5年的信息。 有些纵列数据也可以以地理上的单位来搜集。比如,在1980、1985和1990年对美国同一组县搜集其人口迁移、税率、工资率、政府支出等。 综列数据要求同一单位不同时期的重复观测。 1.4计量经济分析中的因果关系和其他条件不变的概念 在多数对经济理论的检验或者对公共政策的评价中,目标就是一个变量对另一个变量具有因果性效应(causal effect)

0
《计量经济学导论》的全部笔记 3篇
豆瓣
免费下载 iOS / Android 版客户端