文章探讨了数字经济、能源消费结构与碳减排之间的关系，强调了中介效应的重要性。同时，指出了在回归分析中常见的问题，如忽略重要变量导致的估计无效性、非线性模型误用、样本数据的异方差和自相关、以及多重共线性等，这些问题会影响参数估计的准确性和模型的预测能力。
一、实践项目
数字经济、能源消费结构、碳减排之间的关系（基于中介效应）
二、经验总结
判断是哪种回归问题？
| 异方差 | （1）忽略重要解释变量 |
OLS的估计仍保持无偏性和一致性（一致性是指估计值与真实值一致），但是失去了有效性。 t检验F检验失效 不能进行预测，因为参数无效，预测失效 |
| （2）函数形式不正确（非线性当做线性） | ||
| （3）样本数据观测误差变化（随时间或者生产规模等） | ||
| （4）不同单位的个体差异 | ||
| 自相关 | （1）经济惯性 | 当进行OLS估计时，参数估计值的标准误差将会被低估，从而过高估计t统计量的值，夸大估计参数的显著性。总之此时的最小二乘估计量是无效的。 |
| （2）A对B的下一期有影响 | ||
| （3）对数据的修正、内插导致自相关 | ||
| （4）函数形式不正确（ex：U型当做线性） | ||
| （5）忽略重要的解释变量 |
（1）参数估计值的方差协方差变大，参数估计会不准确 （2）对参数的区间估计，置信区间变大，容易对假设检验做出错误判断 （3）可决系数R平方较高，F检验参数联合显著性也很高，但是单个T检验却可能不显著，甚至回归系数符号完全相反。 | |
| 多重共线性 | （1）有共同变化按趋势的变量同时作为解释变量 | |
| （2）模型中包含解释变量的滞后变量 | ||
| （3）截面数据 | ||
| （4）数据太少、变化不大 |
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
