分享

大咖周末聊|陈强老师来了!对!他来了!(中)

 liyu_sun 2020-06-13

本期人物

陈强,分别于1992年与1995年获得北京大学经济学学士与硕士学位,2007年获美Northern Illinois University数学硕士与经济学博士学位,现任山东大学经济学院教授,泰岳经济研究中心副主任(主持工作)。

主要研究领域为发展经济学、计量经济学及经济史。

已独立发表论文于Economica,Journal of Comparative Economics,《经济学(季刊)》、《世界经济》等国内外期刊。

独立编著的经典教材《高级计量经济学及Stata应用》第二版于2014年由高教出版社出版。

2010年入选教育部新世纪人才支持计划。


QUESTION1

Q:陈老师您好,在线性回归模型中设置交互项和二次项的时候,经常会出现多重共线性问题,请问遇到这种情况时应该如何处理呢,谢谢。

A:可以将所涉变量进行标准化,即减去均值,再除以标准差,然后再进行回归。这样可以缓解高次项与线性项的多重共线性。

QUESTION2

Q:我的问题是关于实证研究里的structural form and reduced form。我们知道两种方法都有各自的优劣,依据所研究的问题、理论模型、数据不同选取合适的form,它们之间应该是互补的,而不是互相排斥的。Structural form通常要有理论模型作指导,并且有清晰的假设加以test,以此来检验数据背后的经济机制。但是,有时候理论假设并不是很容易被test的,此时reduced form虽然可以帮助发现一些“因果关系”,但这种简化(reduced)本质上是对原始的模型取一阶泰勒展开,得出来的系数虽然显著,但也是不准确的,尤其是从这一结果再进一步,比如政策的成本收益分析,应该就更不可靠了,不是吗?我的一个想法是从现有的reduced form的结果出发,进一步推测出背后的经济机制、理论模型,再建立structual form进行实证检验,也即从现实具象到理论抽象,再由理论抽象回到现实加以检验,如此反复。如何能够训练这一思维过程,提升自己的理论和实证水平,还望陈老师指教,非常感谢!

A:你的建议在原则上很好,但在实践中不好操作。对于很多经济现象,并没有现成的经济理论或模型;即使有理论模型,有时也可能过于复杂,或无从取舍。所以,现在的主流方法依然是reduced form。


我过去也曾以为,既有理论也有实证的论文应该更容易发表。但事实上,经济学的分工越来越细,做理论的往往不懂实证,而做实证的也视理论模型为畏途。因此,如果审稿人研究理论,则可能看不懂论文的实证部分,另外可能觉得理论部分过于简单;反之,如果审稿人做实证,则对太长的理论模型没有兴趣,也可能觉得实证部分不够深入细致(局限于论文篇幅)。这样,反而导致两边不讨好。


如果你既做理论,也做实证,可能还是分开发表更好些。一般的实证论文,只需要有简单的理论模型或框架即可,主要贡献仍在于其实证部分。

QUESTION3

Q:我在一些期刊上看到稳定性(稳健性)检验,就是找一个和解释变量性质相同的变量去替换该解释变量,然后看回归结果有没有显著性的改变,如果回归结果交易前没大的变化就认为以前的回归是稳健的。这种检验有必要吗?有理论依据吗?

A:稳健性检验的方法有多种。你说的这种稳健性检验,主要针对对于变量的度量没有把握的情形,因此选择不同的代理变量进行度量。如果使用不同的代理变量所得的回归结果类似,则可增加估计结果的可信度。

QUESTION4

Q:在一些期刊上看到回归模型中引入控制变量,麻烦介绍下控制变量的作用,如何确定控制变量,推荐下介绍这方面知识的文章或书籍。

A:在研究中,通常有主要关心的变量,其系数称为“parameter of interest”。但如果只对主要关心的变量进行回归(极端情形为一元回归),则容量存在遗漏变量偏差。加入控制变量的主要目的,就是为了尽量避免遗漏变量偏差。

QUESTION5

Q:请问很多文献中有“稳健性检验”小节,请问老师,是不是每篇实证都要做这个呢?具体是怎么操作呢?

A:如果你的论文只汇报一个回归结果,别人是很难相信你的。所以,才需要多做几个回归,即稳健性检验。没有稳健性检验的论文很难发表到好期刊的。稳健性检验方法包括变换函数形式、划分子样本、使用不同的计量方法等,可以参见我的教材;更重要的是,向你阅读的文献学习。

QUESTION6

Q:我们在实证上主要采用多元回归模型,可是有时候效果不好,不显著,然后又随便用对数模型或二次方程、三次方程去测试得出变量之间的非线性关系,请问我们要不要提供相关依据,是可以直接设立对数模型还是需要相关的说明,怎样推导和说明还请您教教我们。

A:线性模型是基准,如果担心非线性,可加入非线性项,考察非线性项的显著性(比如,RESET检验)。

QUESTION7

Q:对于面板数据的回归我们一定要对其进行什么时间效应回归模型、固定效应回归模型之类的推敲么?还是可以不考虑这些效应直接回归?我看到很多文献,有的是说明了建立固定效应回归模型的原因,有的又没有考虑那么多,直接回归实证出结果,请问正确的方法是什么?

A:规范的做法都需要进行豪斯曼检验,在面板固定效应与随机效应之间进行选择。但由于固定效应比较常见,而且固定效应总是一致的(随机效应则可能不一致),故有些研究者就直接做固定效应的估计。时间效应也同时考虑。

QUESTION8

Q:陈老师,想问下假如我的因变量为工资,自变量是受教育年限(假设从1到9年不等),工资为Y,受教育年限为edu。此时在模型中放edu与放i.edu的区别是什么?假如两者都是显著为正的,该如何解释?

A:放入edu,就是一个变量,取值为1,2,……,9,这是通常的做法。系数取值为正,说明教育投资的回报率为正。
放入i.edu,则根据edu的不同取值设置虚拟变量。这时,一般以edu==1作为参照系(不放入回归方程),故其他教育年限的虚拟变量系数为正,说明教育年限为2,3,……,9者的工资收入高于仅受1年教育者。

QUESTION9

Q:陈老师,麻烦您解释下,我实在是不明白,到底如何判断其实随机效应模型还是固定效应回归模型假设0个体固定效应与回归变量没有关系。


如果假设0被接受则应使用个体随机效应模型,否则应使用个体固定效应模型。数据分析的结果显示假设被接受,应使用个体随机效应模型进行检验(见下表2)。由此,本研究使用个体随机效应模型进行检验。


表2 面板数据模型估计


Hausman检验       χ2               P 值                 模型
                           12.680     0.124        个体随机效应模型


陈老师,不是说看P值为0.124>0.05 是不能在0.05的置信水平下(一般实证研究都要求0.05)拒绝原假设个体固定效应与回归变量没有关系,那么应该是采用固定效应模型啊?为什么结论又是随机效应模型啊?

A:此豪斯曼检验的原假设为:随机效应模型是正确的。

由于p值 = 0.124, 大于0.05, 故可接受原假设。
备注:假设检验的基本逻辑是概率意义上的反证法,即如果原假设成立,是否会发生不合理的小概率事件;而p值衡量的就是这个小概率事件的概率。
因此,p值越低,则越拒绝原假设。由于通常将显著性水平设为0.05,故如果p值小于0.05,则拒绝原假设;反之,则接受原假设。

QUESTION10

Q:陈老师您好,发现您的CV里面获得了数学硕士学位,而您本科是学经济学的。时间是有机会成本的,想请教一下您是如何平衡对现实经济问题的研究与对数学的研究或学习的?有没有什么经验可以给大家分享或建议的呢?

A:可能还是follow your heart吧,觉得需要学什么就学什么。我在美国获得数学硕士,也有偶然性。因为经济系的课程较轻,所以每学期在数学系选修一门课。修了5门课后,突然发现已经离10门课得到数学硕士学位过了一半,所以就继续学了下去。其实,相当部分的数学知识也不见得用得上,可能更多的是思维的训练吧。

那么多问题还没看够?

没关系,你们的男神要开课啦!

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多