爱吱声 › 标签 › 回归分析

标签: 回归分析

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

分享本科生应该 “有能力” 对理论进行验证 —— 多元回归分析 ... ... ...: gordon 2017-4-26 17:48; 本科生不是知识的创造者，它是一个知识的使用者。但对于使用者来说，你首先要学会对学到的知识进行验证。 ************************************************************************** 假如政府雇佣了你，让你对公共机构的工作培训项目进行效果评价。假设这个项目是培训工人在生产过程中是用计算机的各种方法。（就是电算化啊、等级证这种烂证的培训）为期20周的培训都是在工人的非工作时间进行的。任何一个按小时计酬的生产工人都可以自愿参加全部或部分培训。你要决定培训项目对每个工人以后的小时工资有何影响。假定你为一家投资公司工作，并研究对国债的各种不同投资战略的回报，看看它们是否与经济理论的含义相一致。你知道国外的理论不一定能照搬到中国来。 ************************************************************************** 《奥迪斯·邓肯的学术成就：社会科学中用于定量推理的人口学方法》我以前讲过 “穆勒五法” ************************************************************************** 数据集的数据结构 1、横截面数据横截面数据的一个重要特征是，我们通常可以假定，它们是从样本背后的总体中通过随机抽样得到的。 2、时间序列数据这没什么好说的，有些数据就是带时间特征。流水账 3、混合数据和面板数据为什么要用混合数据啊？因为面板数据不容易得到。因为你是在外部。当然你要是在内部，可以用面板数据。对同一单位进行多次观测，长时间的观测面板数据的第二个优点，能观测到时间的滞后效应。 ************************************************************************** 跨境杀：越级挑战本科生不是产生知识，而是验证知识。可以让他们先说，然后验证一下他们说的对不对。照妖镜，你得知道他们说的对不对。我知道你也不是博士，“不是让你去挑战博士的”，博士里面也有很多坏人。还要专家教授，我最讨厌这种人了。咱们这个门派，唯象，不找原因，就是“人家咋着，咱咋着” 人家这么弄，能发财，咱这么弄，也能发财。就这么简单的一个道理。找原因这种事情，让博士去干吧。专家呕吐，博士流泪。 ************************************************************************** 经济学家的目标就是要推定一个变量（比如受教育程度）对另一个变量（如犯罪率或工人的生产力）具有因果效应（causal effect）。虽然简单地发现两个或多个变量之间有某种联系很诱人，但除非能得到某种因果关系，否则这种联系很难令人信服。其他条件不变，意味着“其他（相关）因素保持不变”的概念，在因果分析中有重要作用。在初级经济学教程中，很多经济学问题都有其他条件不变的特征。 ************************************************************* 你知道我们学的都是初级教程，有没有一个办法，可以越级挑战，这是本文的重点。 ************************************************************* 时间停止运行，跟电影一样，你喊卡，它就停了。还原法，你也知道，不一定对。综合起来，不一定。但是这已经是一个很好的工具了。还原法+ 直觉= 跟解放军一样，简单工具+劳动，搞一些大事情本科你还想干什么，你就是一个本科。 ************************************************************* 社会科学所搜集到的数据多数具有非实验特征，所以发现其中的因果关系极具挑战性。这在玄幻小说里，被称为“跨境杀” 就是你境界在人家之下，还要审它。其实我们都想学这种，简单又强大刀法，“剑磨两边，刀磨一边就够了” ************************************************************* 简单回归模型可以用来研究两个变量之间的关系。简单回归模型作为经验分析的一般工具还存在着局限性，不过有时把它作为一个经验工具还是很合适的。比如说 y是大豆产出，x是施肥量；y是每小时工资，x 是受教育的年数，y是社区犯罪率，x是警察的数量。在写出用x 解释y 的模型时，我们要面临三个问题。（两变量模型就碰见问题了）首先，既然两个变量之间没有一个确切的关系，那么我们应该如何考虑其他影响y 的因素呢？第二，y 和x 的函数关系是怎样的呢？第三，我们何以确定我们在其他条件不变的情况下刻画了y和x 之间的关系呢？（如果这是一个理想目标的话）我们可以通过写出关于y 和x 的一个方程来消除这些疑惑。一个简单的方程是： y=b0+b1x + u 假定方程在我们所关注的总体中成立，它便定义了一个简单线性回归模型。均值，其实就是最小二乘法。取平均值的经验方法被最小二乘法的概念替代。（高斯和勒让德）线性形式意味着：不管x 的初始值为多少，它的任何一单位变化对y的影响都是相同的。这对许多经济应用来说是不现实的。举例来说，在工资——教育的例子中，我们或许还要考虑到递增的回报，即，后一年的教育比前一年的教育对工资的影响更大。 ************************************************************************ 回归可能是直线，也可能是对数。（这都是对数据的拟合，想象中的一根线）对数的特征是斜率不发生变化，而是形式近似于比例变化。扩展阅读：统计学之美（二）：多元回归分析 https://zhuanlan.zhihu.com/p/24263575 ********************************************************************** “越境杀，不越境杀” ；这个不重要跟玩游戏一样，你先能自保再说怕你连自保都不能，就被洗脑了; 169 次阅读|0 个评论

更多...

		自动登录	找回密码
密码			注册

标签: 回归分析

相关帖子

相关日志