課程-金融計量學(xué)lectureols基礎(chǔ)

現(xiàn)在可以把所有的擬合誤差加總（平方和最小化總擬合誤差：這是一個標(biāo)準(zhǔn)的二次型問題，F(xiàn)OC給這樣我們得到了beta的一組估計值,它使得擬合誤差平方和直觀上，可以加總擬合誤差的絕對值，而不是平方。但這里看出，那么目標(biāo)函數(shù)就不是二次型，沒有顯示解注意，這個公式可以理解成：先去均值，估計beta1，再估計。這一點在將來的固定效應(yīng)面板模型的討論時會有Beta1與相關(guān)系數(shù)有關(guān)，但有推導(dǎo)過程（略 方法（一般距估計例題exer2.sas，估計CAPM模eret=a0+a1beta+a2beta2+libnamewangdatasetwang.exer2_capm;run;/*讀入數(shù)據(jù)，構(gòu)造變量procmeansvareretbeta/*procregdata=one;modeleret=betabeta2;OLS估計有多有效定理1：如果假設(shè)1到假設(shè)4得到滿足，那么OLS估計是無偏的，truevalue定理2：如果假設(shè)1到假設(shè)5成立，那么估計的方差協(xié)方差矩陣或這里是條件方方差應(yīng)該是越小越好。這樣，一個具體的估計值就越有可能接近value標(biāo)量形式的更有經(jīng)濟(jì)學(xué)意影響估計方差的因因素的經(jīng)濟(jì)含因素的經(jīng)濟(jì)含這種情況叫做多重共線性，即前面討論的接近完全共線可見，多重共線性不破壞無偏性，但導(dǎo)致估計精度UnbiasedEstimator，BLUE）BLUE的定Best:minimumAmonglinearLinearfunctionof這時SAS的reg命令直接給出的t-值是a=0的，其它情況的不能人工計dataprocregdata=one;modeleret=betabeta2;t=1.6（不等于 t=(0.16079-0.08)/0.10025=0.806,不顯著，即不問題

Relevantcontrolscanreducemodelvariance,buthighvariancesthroughSolution：先經(jīng)濟(jì)學(xué)原則再統(tǒng)計學(xué)原原則1：如果經(jīng)濟(jì)學(xué)理論說控制變量z 比如，討論公司的投資問題時，TobinQ時“Testingdown”比“testingup”更好些。 Butreportresult 問題 gpa00gender1time1gender*timeu時間time對gpa的邊際影響為11gender。它依賴于gender變量。1衡量了學(xué)習(xí)效率在之間的差別：平均來說，每增加一個單位的學(xué)習(xí)時間而帶來的gp或者：gpa=0+0gender+1time+1gender*time+Ifgender=0,thengpa=0+1time+Ifgender=1,thengpa=(0+0)+(1+1)time+ Savingpropensity信 SomemultiplecategoriesareactuallydefinedbymultipleGender&marriageStateowned&AHdualTwoapproachestorepresentThreedummiesasInteractionsamongtwoCoefficientFormost yses,theinteractionofdummiesisBecausetheygivedirecttestonAndtheycanbeusedforinteractionwithothercontrolasdiscussed信 交叉變量模型的設(shè)定中，用交叉項時，必須要有單獨項！原 但多重交叉變量經(jīng)常導(dǎo)致多重一般盡量避免三重PROCIMPORTOUT=twoDATAFILE= bas1"DBMS=EXCEL MIXED=YES;PROCIMPORTOUT=oneDATAFILE="F:\current_teaching\econometrics_II_2\data\ bas"DBMS=EXCELREPLACE; MIXED=YES;USEDATE=YES;procappendbase=onedata=two;dataset er,1,4); er,iflev>-10000&mth=12;keepstkcdlevyearmth;procsortdata=twobystkcd

procmeansmeanstdminp1medianp99maxdata=two;varlev;可能是由 錯這些奇異值，會導(dǎo)致模型的估計不穩(wěn)定。比如以下MonteCarlo%letn=100;%letalpha=0.5;%letbeta=0.02;%letdataone(drop=seed1seed2seed3);retainseed14500;retainseed24400;doid=1to&n.;

callrannor(seed2, setone;x=x1;z=x1;ifz>2.598thenz=15;procmeansnmeanminp1medianp99maxvaryxzrun*dataifx<2.598;procreg – 下面是常用的1winsorizingSAS ，以節(jié)約procunivariatedata=&datafile.varoutputout=extremepctlpre=ppctlpts=199;procselectp1into:myp1fromselectp99into:myp99from set&datafile.;if run/*注意為什么要

先不定義宏函數(shù)，但把函數(shù)的輸入變定義為宏變量%let%let/*%macrowinsor1(datafile,var);procunivariatedata=&datafile.noprint;var&var.; %winsor1(two,%winsor1(two,

沒有分號結(jié)束

procselectp1into:myp1fromselectp99into:myp99from

datasetif&var.>%sysevalf(&myp99)thenif and&var.<%sysevalf(&myp1))/*%mend;%macrowinsor2(datafile,var);procmeansdata=&datafile.noprint;var&var.;outputout=extrememean=meanstd=std;procselectmeaninto:mymeanfromextreme;selectstdinto:mystdfromextreme;set&datafile.;if&var.>thenif R2問太小有沒有問題？至少要通過F檢topworkedfortop解決方案：R2相關(guān)的問題：用什么非線ConsiderthefollowingtwomodelsrelatingR&Dintensityfirm Whichoneis這里一般是