描述性分析与不平等的度量方法.docVIP

经济计量方法与Stata应用讲义1 1. 描述性分析与不平等的度量方法 孙志军 北京师范大学经济与工商管理学院 本章使用数据文件为 1. 教育与工资1.dta 2. 2005年广东省人口抽样数据.dta 3. 农村家庭收入数据（甘肃2004）.dta 4. CHNS数据2004、2006年成人调查问卷有关数据。 经济学的经验分析（Empirical Analysis）方法通常分为描述性分析和回归分析。描述性分析常用的方式是考察变量的分布特征，计算集中趋势（如平均值、中位数）和离散趋势（如方差、变异系数）等。它通常有两个作用，一个是在统计推断或因果分析之前，发现、界定或详细讨论要研究的问题；另一个是验证假说。回归分析即是计量经济学中核心内容，可以说，回归分析和经济理论的结合就构成了计量经济学。它有两个基本特征，第一，回归模型（或称为经验模型）的建立要依赖经济理论，考虑一个简单回归模型：y＝a＋bx＋u，如果是单纯的回归分析，则我们只要搜集到自变量x和因变量y的一个样本数据，就可以估计出参数a和b来。在计量经济学中，则首先要对x和y之间的关系的逻辑关系给出经济理论的解释，或者通过理论推导出上述回归模型来，而不是单纯的x和y之间的数据关系，这也就是我们在许多计量经济学文献中看到的，将回归模型称为结构模型（Structure Model）的原因。第二，上述特征决定了计量经济学中的回归分析的作用是进行因果推断，即考察x和y之间的因果关系，这也正是经济理论的要求。回归分析在本书或其他计量经济学教材中是主要内容，本章只通过几个例子说明描述性分析的特征和用处。 1.1 主要概念与简单描述性分析 1.1.1 变量与数据 所谓变量（variable）是指其值会变动、变化的量，与此相对的概念是常量或常数（constant）。变量的测量值或观察值则称为变量值，一个或多个变量及其测量值就构成了数据。了解变量和数据是从事计量经济分析要做的初步工作。 1. 变量的类型 变量包括定性变量和定量变量两类，在处理资料之前，首先要分清变量类型。… 定性变量又包括类别变量和有序变量两类。 表1.1中“性别”这一变量，取值只有两类：男或女。像这样的变量就被称为类别变量。它的取值只有类别属性之分，而无大小、程度之分。根据变量值，只能知道研究对象是相同或是不同。如性别、婚姻、民族、专业、职业等等。从数学运算特性来看，类别变量只具有等于或不等于的性质。 表1.1中“风险厌恶程度”变量的取值有程度或大小之分，或者有等级、次序差别。像这样的变量就称为有序变量。当然，这类变量也有类别属性，因而它的层次要高于类别变量。其数学运算性质除具有等于或不等于外，还有大于或小于之分。常见的有序变量还有教育程度（文盲、小学、初中、高中、大学）、社会经济地位（上等、中等、下等）、积极性（很积极、一般、不积极）等等。 表1.1中“子女数目”和“收入”这两个变量的值是有度量单位的数值，这些数值有大小之分，可以进行加减乘除，在进行加减乘除的数学运算后也具有实际的意义，比如200元除以100元等于2，表示前者是后者的2倍。像这样的变量称为定量变量、数值变量等。大多数数值变量都是连续性变量。 在经验分析中，对于定性变量可以根据其类别或等级赋予数值，比如性别变量，可以赋予男性＝1，女性＝0；态度变量：非常厌恶＝0，一般＝1，不厌恶＝2。对这些变量赋予的数值，并没有实际的含义，只是代表某种类别或等级。之所以这样做，是为了在分析中更为方便的缘故。这也是定性变量和定类变量在操作层面的主要区别。在回归分析中，定性变量则已一个虚拟（dummy）变量系列表示（详见后面的“基本线性模型”内容）。 2. 数据的层次、类型与结构 经济研究所用的数据包括了三个维度：层次、类型和结构。 （1）数据层次 数据的层次分为两类：微观数据和宏观数据（micro and macro data）。微观数据是指个体层面的数据，如本章下面所用的个体抽样调查数据就是微观层面的数据。宏观数据是指由个体数据汇总而出的数据，比如按照省份汇总每个人的教育水平、收入，就得到一个省级层面的宏观数据，像第一章的各省经济、投资等数据也是一个宏观层面的数据。由于微观数据在经济研究中的应用越来越广泛，计量经济学也出现一个以微观计量经济分析命名的分支学科。 （2）数据类型 数据类型包括调查数据（survey data）、社会实验数据（data from Social Experiments）和自然实验数据（Data from Natural Experiments）。 调查数据是指从总体中随机抽取一个样本进行调查而获得的数据，比如农村家庭收入调查数据。大量的研究使用的即是这类数据。 社会实验数据是指采用实验室实验的设计思路，对经济或社会行为进行实验而获得的数据。比