第一部分背景知识常用软件入门
第一部分 背景知识 常用软件入门
一、背景知识（一）因果关系及其余条件不变分析举例：工资的决定（1）一个变量的变化会引起另一个变量的变动吗？（2）模型假设保持其他因素固定不变，建立因果关系，但是这种因果关系确实存在吗？1在多数对经济理论的检验中,经济学家的目标就是要推定一个变量对另一个变量的因果性效应其他条件不变意味看其他因素保持不变的概念在因果分析中的重要作用
一、背景知识 ◼ （一）因果关系及其余条件不变分析 ◼ 举例：工资的决定 ◼ （1）一个变量的变化会引起另一个变量的变动吗？ ◼ （2）模型假设保持其他因素固定不变，建立因果 关系，但是这种因果关系确实存在吗？ ◼ 在多数对经济理论的检验中,经济学家的目标就是要 推定一个变量对另一个变量的因果性效应. ◼ 其他条件不变——意味着其他因素保持不变的概念 在因果分析中的重要作用
计量经济学方法可以有效的保持其他因素不变：怎样做呢？关注平均或期望的响应上，即估计y关于x与C的条件期望E(yx,c),向量c是控制变量存在的问题是什么？选定正常控制一览表困难，运用不同的控制能够导致y与x之间因果关系的不同结果，这正是确立因果性复杂的地方。（信息集的影响）其他问题也会妨碍对因果关系的估计。例如：有C的元素适当的测量值，但是仍然没有y或w的适合的测量值
◼ 计量经济学方法可以有效的保持其他因素不变： ◼ 怎样做呢？ ◼ 关注平均或期望的响应上，即 ◼ 存在的问题是什么？ ◼ 选定正常控制一览表困难，运用不同的控制能够 导致y与x之间因果关系的不同结果，这正是确立 因果性复杂的地方。（信息集的影响） ◼ 其他问题也会妨碍对因果关系的估计。例如：有C 的元素适当的测量值，但是仍然没有y或w的适合 的测量值。 估计y x C E y x c c 关于 与 的条件期望 ( , ) ,向量 是控制变量
（二）随机设置与渐近分析随机抽样假定（1）设立一个总体模型（2）i.i.d样本可以从总体中抽取出来分析重点：与有限样本性质相反的估计量的渐近性质。例：工资报价函数log(wage)= β+ β,educ + β, exper +β,married +u1公司溢出效应log(output,)= 8, + β, log(labor)+ β, log(capital)+ β,spillover, +quality +u, ,t = 1, 2,3
◼ （二）随机设置与渐近分析 ◼ 随机抽样假定（1）设立一个总体模型 ◼ （2）i.i.d样本可以从总体中抽取出来 ◼ 分析重点：与有限样本性质相反的估计量的渐近 性质。 ◼ 例：工资报价函数 ◼ 公司溢出效应 0 1 2 3 log( ) exp wage educ er married u = + + + + 1 2 3 log( ) log( ) log( ) , 1,2,3 t t t t t t output labor capital spillover quality u t = + + + + + =
（二）条件期望（均值）概念1、为什么条件期望是重要的？统计学的视角假定利用过去的信息lt-1预测Yt。令g(lt-1）是Y的预测算子，则预测误差为：u.=Y -g(I如何判断模型的领测α巢？1对预测误差的判断
◼ （二）条件期望（均值）概念 ◼ 1、为什么条件期望是重要的？ ◼ 统计学的视角 ◼ 假定利用过去的信息I t-1预测Yt。令g(It-1）是Yt 的预测算子，则预测误差为： ◼ 如何判断模型的预测效果？ ◼ 对预测误差的判断 1 ( ) u Y g I t t t = − −