内生性问题伍德里奇的计量经济学导论讲的很清楚,主要是指由于遗漏变数造成误差项和解释变数相关,从而造成系数估计的偏误,比如能力这种因素就因为难以衡量而进入不了解释方程,但是通过工具变数法IV,用IQ作为工具变数替代能力,就可以解决内生性问题。DID也就是双重查分当然也是一种方法,主要用于政策的评估。
先搞清楚Endogeneity GMM 和 Hau *** an test 都干嘛用的。。。 内生性是说X和error 相关 然后OLS就当了,又不unbiased 又不consistent 然后就需要别的orthogonality condition来identify parameter, 然后IV 就出现了 如果IV (包括外生regressor)的数量大于parameters的数量然后就有了GMM。。
内生性问题往往要通过theory或者intuition来识别的 比如跑教育和工资关系时, 教育和能力相关 能力不可观测 能力影响工资 然后教育就是内生的。
Hasuman test是需要基于一些maintained assumption的。意思就是你不可能啥都不知道然后检查是否所有的变数里有内生的。
建议把内生性弄弄清楚是什么东西 我记得Angrist 有个JEP文章review过。 然后GMM去看看是什么intuition。 本质上2SLS也是GMM。
然后再多看点panel吧。。你猜你弄的是DYNAMIC 面板吧。。把一些重要的文献读读怎么倒腾的 Hsiao 有俩篇重要的。
有精力的话瞄下Weak instrument问题。现在文章但凡有内生性并且用工具变数几乎都要check IV是否为weak instruments.
Have fun
就是模型中的一个或多个解释变数与随机扰动项相关或者写成 的问题
在结构力学模组下的非线性材料力学模组有对粘弹性材料的支援
的耐光性指涂膜受光线照射后保持其原来光学效能(如颜色、光泽等)的能力。其中又分为保光性、保色性和耐黄变性。涂膜在日光照射下起变化,但需时较长,通常对涂膜的耐光性的检测采用人造光源,以加速涂膜的变化,缩短检测时间。
可以 找到噪声源头 从源头 解决 在传播过程中解决 等等
可以啊400-0233120
1.一般概念介绍 最大期望演算法(Expectation-maximization algorithm,又译期望最大化演算法)在统计中被用于寻找,依赖于不可观察的隐性变数的概率模型中,引数的最大似然估计。 在统计计算中,最大期望(EM)演算法是在概率(probabilistic)模型中...
EM演算法可以看成是特殊情况下计算极大似然的一种演算法。
现实的资料经常有一些比较奇怪的问题,比如缺失资料、含有隐变数等问题。当这些问题出现的时候,计算极大似然函式通常是比较困难的,而EM演算法可以解决这个问题。
EM演算法已经有很多应用,比如最经典的Hidden Markov模型等。