weixin_46189461的博客

计量经济学——事件研究法/事件分析法

人们普遍认为模型的滞后阶数应该足够大，以便考虑模型变量的更多信息。但滞后阶数越大，需要估计的参数越多，自由度下降越多，从而影响参数估计的有效性。最佳滞后阶数的选择可以通过赤池信息准则（AIC）和施瓦茨贝叶斯准则（SBC）来确定（Schwarz，1978）引用：Schwarz G. Estimating the dimension of a model[J]. The annals of statistics, 1978: 461-464.

在进行多元线性回归时，经常会遇到模型拟合效果较差的情况，那么这篇博文归纳了：当模型拟合优度较低时可能存在的一些问题。（1）多重共线性 （2）异方差 （3）自相关。

R/S分析方法，最早由Hurst在1951年提出【引用：Hurst H E. Long-term storage capacity of reservoirs[J].Transactions of the American society of civil engineers, 1951, 116(1):770-799.】

（还会持续更新一些计量和机器学习的基本知识，可以点个关注蹲一蹲~ 如果有问题欢迎交流~~~）

如果样本时间序列的本质特征只存在于所发生的当期，并不会延续到未来，亦即样本时间序列的均值、方差、协方差不是常数，则这样一个时间序列不足以昭示未来，我们便称这样的样本时间序列是非平稳的。平稳性就是要求经由样本时间序列所得到的拟合曲线在未来的一段时间内仍能顺着现有的形态“惯性”地延续下去如果数据非平稳，则说明样本拟合曲线的形态不具有“惯性”延续的特点，也就是基于未来将要获得的样本时间序列所拟合出来的曲线将迥异于当前的样本拟合曲线。

考虑自变量X对因变量Y的影响, 如果X通过影响变量M而对Y产生影响, 则称M为中介变量。系数乘积的显著性（即检验H0 : ab = 0）是在控制了自变量X的影响后,e1~e3是回归残差。其中方程（1）的系数。

进行固定效应/随机效应检验的豪斯曼检验统计量服从卡方分布，所以豪斯曼检验值应该只取正值。但是，在现实应用中，通常会出现豪斯曼检验值为负的情形，为什么会出现负值?为负值时，豪斯曼检验是否有效？

固定效应模型和随机效应模型在面板数据中的应用时可能面临一些估计偏误的问题，其中内生性和自相关是两个常见的挑战。

面板数据是指不同经济个体在不同时间点上的数据。利用面板数据构造面板数据模型，有以下优点。

F检验是在零假设下检验统计量具有F分布的统计检验。它最常用于比较已拟合到数据集的统计模型，以识别最适合数据抽样总体的模型。精确的“F检验”主要出现在当模型用最小二乘法拟合数据的时候。F检验（F-test）是一种用于统计分析的假设检验方法，通常用于比较两个或更多组数据的方差是否相等。这检验基于F分布，其中F统计量表示两个样本方差的比值。

在定义假设时，还需要明确的是采用单尾检验还是双尾检验。

t检验也称为 Student t 检验，它是一种使用假设检验来评估一个或两个总体均值的工具。t 检验可用于评估某个组是否与已知值有差异（单样本 t 检验），两个组是否彼此有差异（独立双样本 t 检验），或成对测量值中是否存在显著差异（成对或非独立样本 t 检验）。

如果P值小于预先设定的显著性水平（通常为0.05或0.01），则有足够的证据拒绝原假设如果P值大于显著性水平，没有足够的证据拒绝原假设。