<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[celine0227的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/celine0227</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; celine0227]]></copyright><item><title><![CDATA[poisson分布及其stata实现]]></title><link>https://blog.csdn.net/celine0227/article/details/138571859</link><guid>https://blog.csdn.net/celine0227/article/details/138571859</guid><author>celine0227</author><pubDate>Wed, 08 May 2024 14:55:40 +0800</pubDate><description><![CDATA[泊松回归假设反应变量Y是泊松分布，并假设它期望值的对数可被未知参数的线性组合建模。泊松回归模型有时（特别是当用作列联表模型时）又被称作对数线性模型。的问题建模时，一般的线性回归模型、定序回归模型和逻辑回归模型就可以解决大部分问题。发生频数的大小，只与单位大小有关系（比如1万为单位，或者100万为单位时患癌症人数不同）；的因变量记录某个特定事件出现的次数（有序的非负整数），它们被称之为“发生频数的大小，各个数之间没有影响关系，即频数数值。（即小概率事件）发生数的分布。等号两边的实数都是有。]]></description><category></category></item><item><title><![CDATA[LDA主题模型]]></title><link>https://blog.csdn.net/celine0227/article/details/137632053</link><guid>https://blog.csdn.net/celine0227/article/details/137632053</guid><author>celine0227</author><pubDate>Wed, 24 Apr 2024 15:30:16 +0800</pubDate><description><![CDATA[LDA 模式是生成式模型，在这里，假设需要建模的数据为 X，标签信息为 Y。判别式模型：对 Y的产生过程进行描述，对特征信息本身不建模。判别式模型有利于构建分类器或者回归分析生成式模型时需要对 X和 Y 同时建模，更适合做无监督学习分析。生成式模型：描述一个联合概率分布 P(X,Y)的分解过程，这个分解过程是虚拟的过程，真实的数据不是这么产生的，但是任何一个数据的产生过程可以在数学上等价为一个联合概率分布。]]></description><category></category></item><item><title><![CDATA[机器学习实现文本分类]]></title><link>https://blog.csdn.net/celine0227/article/details/137554818</link><guid>https://blog.csdn.net/celine0227/article/details/137554818</guid><author>celine0227</author><pubDate>Thu, 11 Apr 2024 10:15:40 +0800</pubDate><description><![CDATA[word embedding文本分布式表示方法则是深度学习方法的重要基础文本的分布式表示(Distributed Representation)的基本思想是将每个词表示为n维稠密，连续的实数向量。分布式表示的最大优点在于它具有非常强大的表征能力，比如n维向量每维k个值，可以表征k的n次方个概念。事实上，不管是神经网络的影层，还是多个潜在变量的概率主题模型，都是在应用分布式表示。下图的神经网络语言模型（NNLM）采用的就是文本分布式表示。]]></description><category></category></item><item><title><![CDATA[psm的stata实现]]></title><link>https://blog.csdn.net/celine0227/article/details/136193721</link><guid>https://blog.csdn.net/celine0227/article/details/136193721</guid><author>celine0227</author><pubDate>Tue, 20 Feb 2024 17:06:24 +0800</pubDate><description><![CDATA[在经济学中，我们通常希望评估某项公共政策实施后的效应，为此，我们构建 "处理组" 和 "控制组" 以评估「处理效应 (treatment effect)」。然而，我们的数据通常来自非随机的观察研究中，处理组和控制组的初始条件不完全相同，故存在「选择偏差 ( selection bias)」问题。「倾向得分匹配 (PSM)」法使用倾向得分函数将多维向量的信息压缩到一维，然后根据倾向得分进行匹配。这样可以在既定的可观测特征变量下，使得处理组个体和控制组个体尽可能相似，因而可以缓解处理效应的选择偏差问题。]]></description><category></category></item><item><title><![CDATA[多时点DID]]></title><link>https://blog.csdn.net/celine0227/article/details/135444596</link><guid>https://blog.csdn.net/celine0227/article/details/135444596</guid><author>celine0227</author><pubDate>Sun, 07 Jan 2024 21:09:05 +0800</pubDate><description><![CDATA[对于 Time-varying DID 来说，即使没有了统一的政策时点，由于每一个个体进入实验组的时点是确定的，我们可以通过当前年份与该个体的政策时点相比较，就可以得到该个体的前 N 期到后 N 期，从而观察动态的政策效果。换句话说，Standard DID 结合 ESA 方法所生成的时期虚拟变量是一种绝对的时间尺度，即观测政策在某个样本时期的效果，而 Time-varying DID 利用 ESA 方法所需要的是相对的时期，即观测政策效果在个体接受处理的前 N 期和后 N 期的变化。]]></description><category></category></item><item><title><![CDATA[双变量probit模型]]></title><link>https://blog.csdn.net/celine0227/article/details/135431857</link><guid>https://blog.csdn.net/celine0227/article/details/135431857</guid><author>celine0227</author><pubDate>Sun, 07 Jan 2024 10:47:50 +0800</pubDate><description><![CDATA[该模型是Probit模型的拓展，适用于模型中有两个结果变量且假定方程组的随机扰动项之间存在相关性，模型中的方程需同时进行估计。如果这两个二元变量的结果是不相关的，我们可以估计两个独立的 Probit 模型，如果这两个二元变量的结果是相关的，使用Probit 模型会导致估计结果偏差并影响结论，则需要使用 Bivariate Probit 模型。分别为标准化的二维正态分布的概率密度函数 (PDF) 和累积分布函数 (CDF), 这个标准化的二维正态分布的期望为 0 , 方差为 1 , 而相关系数为。]]></description><category></category></item><item><title><![CDATA[离散被解释变量]]></title><link>https://blog.csdn.net/celine0227/article/details/128336243</link><guid>https://blog.csdn.net/celine0227/article/details/128336243</guid><author>celine0227</author><pubDate>Fri, 16 Dec 2022 11:57:27 +0800</pubDate><description><![CDATA[因为在两点分布的情况下，稳健标准误就等于MLE的普通标准误，如果模型设定正确，则无需使用稳健标准误。而如果模型设定存在问题，则probit 和logit并不能一致估计相关系数，采用稳健标准误的意义也不存在了。存在过度分散的情况下，但对被解释变量的方差函数并不清楚地时候，可采取泊松回归+稳健标准误的方式， 但在了解方差函数的情况下，当然负二项回归能够提供更加有效的估计。总体而言，差别存在于对被解释变量的残差的前提假定不同：probit假定的是正态分布，Logit假定的是logitistic分布。]]></description><category></category></item><item><title><![CDATA[stata的时间序列]]></title><link>https://blog.csdn.net/celine0227/article/details/128325345</link><guid>https://blog.csdn.net/celine0227/article/details/128325345</guid><author>celine0227</author><pubDate>Thu, 15 Dec 2022 14:17:02 +0800</pubDate><description><![CDATA[stata的时间序列是从1960年1月1日开始的，季度数据是从1960q1开始的；第一个时间数据就是0，因此tq(1960q1)返回的是0。其中的101表示，1960q1和1985q1间隔了101个季度，我们需要优化格式来提升可读性，使用format函数。此时需要通过tsset声明时间序列的时间变量。tq函数的意义是标记时间序列的第一个时间点。1. stata中的时间序列。]]></description><category></category></item><item><title><![CDATA[文件的纵向合并]]></title><link>https://blog.csdn.net/celine0227/article/details/128125768</link><guid>https://blog.csdn.net/celine0227/article/details/128125768</guid><author>celine0227</author><pubDate>Thu, 01 Dec 2022 11:23:05 +0800</pubDate><description><![CDATA[在进行数据最初处理我们需要合并多个excel文件。]]></description><category></category></item><item><title><![CDATA[追踪程序运行]]></title><link>https://blog.csdn.net/celine0227/article/details/125073804</link><guid>https://blog.csdn.net/celine0227/article/details/125073804</guid><author>celine0227</author><pubDate>Tue, 31 May 2022 21:28:14 +0800</pubDate><description><![CDATA[set trace on命令主要功能是帮助我们追踪程序的运行过程，展示详尽的运算结果，例如：运行以下回归时加入set trace on 命令]]></description><category></category></item><item><title><![CDATA[融资约束各指数]]></title><link>https://blog.csdn.net/celine0227/article/details/124932171</link><guid>https://blog.csdn.net/celine0227/article/details/124932171</guid><author>celine0227</author><pubDate>Mon, 23 May 2022 18:34:04 +0800</pubDate><description><![CDATA[KZ指数

借鉴Kaplan and Zingales(1997)，以中国上市公司为样本构建KZ指数，用以衡量融资约束程度。具体而言，按以下步骤构建KZ指数：

1. 对全样本各个年度都按经营性净现金流/上期总资产（）、现金股利/上期总资产（）、现金持有/上期总资产（）、资产负债率（）和Tobin`s Q（）进行分类。

2. 如果低于中位数，则取1，否则取0；如果低于中位数，则取1，否则取0；如果低于中位数，则取1，否则取0；如果高于中位数，则取1，否则取0；如果高于中位数，则取1，否则取0。

3. 计]]></description><category></category></item><item><title><![CDATA[样本选择模型 & 处理效应模型]]></title><link>https://blog.csdn.net/celine0227/article/details/124799362</link><guid>https://blog.csdn.net/celine0227/article/details/124799362</guid><author>celine0227</author><pubDate>Mon, 16 May 2022 19:02:59 +0800</pubDate><description><![CDATA[一、样本选择偏差与自选择偏差

样本选择偏差

样本选择偏差的非随机选择机制在于对样本的选择不随机。在样本数据的采集过程中，只对某部分群体进行调查，但这部分群体与其他群体在某些方面的特征差异较大，因此根据这样的样本做回归得到的普适性结论并不可信。体现在具体的数据集中就是，数据集中只有特定群体的样本，或者，虽然有全部群体的所有解释变量数据，但除特定群体之外的其他群体的被解释变量数据缺失，在这两种情况下进行的回归，都将直接忽视其他群体的样本信息（y缺失的样本在参与回归时将被drop掉）。实质上，样本选择偏差说的]]></description><category></category></item><item><title><![CDATA[探讨计量经济学与机器学习]]></title><link>https://blog.csdn.net/celine0227/article/details/124461101</link><guid>https://blog.csdn.net/celine0227/article/details/124461101</guid><author>celine0227</author><pubDate>Wed, 27 Apr 2022 21:23:08 +0800</pubDate><description><![CDATA[一、计量经济学与机器学习的联系和区别：

共通之处在于二者所使用的“原材料”和任务的形式的高度相似性。简单来说，两类方法的最终输入都是结构化数据。你有一个因变量，有一堆自变量，有好多的个案。最后的目的都是对自变量进行一通操作来去“近似”这个因变量。

区别在于使用两类方法的根本目的是不一样的。使用计量经济学方法目的是进行结构分析，也就是说我们最后是想知道哪些自变量会对因变量产生影响，影响有多大；只关注变量的系数和显著性。与之不同，使用机器学习方法的目的就是用一大堆自变量去预测因变量。更关注预测的准确度。

]]></description><category></category></item><item><title><![CDATA[Lasso模型]]></title><link>https://blog.csdn.net/celine0227/article/details/124459351</link><guid>https://blog.csdn.net/celine0227/article/details/124459351</guid><author>celine0227</author><pubDate>Wed, 27 Apr 2022 20:37:36 +0800</pubDate><description><![CDATA[Lasso是一种数据降维方法，该方法不仅适用于线性情况，也适用于非线性情况。Lasso是基于惩罚方法对样本数据进行变量选择，通过对原本的系数进行压缩，将原本很小的系数直接压缩至0，从而将这部分系数所对应的变量视为非显著性变量，将不显著的变量直接舍弃。了解Lasso之前我们需要了解的知识

1.1 高维数据

何谓高维数据？高维数据指数据的维度很高，甚至远大于样本量的个数。高维数据的明显的表现是：在空间中数据是非常稀疏的，与空间的维数相比样本量总是显得非常少。在分析高维数据过程中碰到最大的问题就是维数的膨胀，]]></description><category></category></item><item><title><![CDATA[聚类稳健标准误]]></title><link>https://blog.csdn.net/celine0227/article/details/124405756</link><guid>https://blog.csdn.net/celine0227/article/details/124405756</guid><author>celine0227</author><pubDate>Mon, 25 Apr 2022 15:48:45 +0800</pubDate><description><![CDATA[一、为什么？

对样本做回归分析的核心是使用最小二乘法去估计模型里的参数，比如核心解释变量前面的系数。我们通过最小二乘法使得残差平方和最小，求得样本估计系数。如果进行一次估计，由于干扰项e的存在，估计值与真实值之间一定存在差异。样本估计值与真实值之间的差别中，误差项起了关键作用。

误差项是一个随机变量，每次估计都会得到不同的差异值。关于样本估计系数性质的讨论，都以误差项为核心。我们希望样本估计系数特别好，接近真实值，所以必须有良好的性质，而良好的性质需要有前提条件，也就是一些假设。

比如，我们希望反复抽]]></description><category></category></item><item><title><![CDATA[三重差分模型]]></title><link>https://blog.csdn.net/celine0227/article/details/123817486</link><guid>https://blog.csdn.net/celine0227/article/details/123817486</guid><author>celine0227</author><pubDate>Tue, 29 Mar 2022 11:50:47 +0800</pubDate><description><![CDATA[1. 为什么使用三重差分法？

双重差分法的重要假设是对照组和实验组的时间趋势一样，而当控制组和实验组的时间趋势不同，则无法得到一致的实验估计量，需要进一步改进双重差分估计量。

三重差分法的原理

假设美国 B 州针对 65 岁或以上的老年人 (实验组，Treat = 1) 引入一项新的医疗保健政策，其他年龄群体不适用。考察此政策对健康状况的影响，选用 B 州 65 岁以下群体 (old = 0) 作为对照组。由于人的健康状况随时间的变化并不是线性的，而不同年年龄组的个体的健康状况变化的时间趋势也存在差异]]></description><category></category></item><item><title><![CDATA[工具变量检验]]></title><link>https://blog.csdn.net/celine0227/article/details/123490380</link><guid>https://blog.csdn.net/celine0227/article/details/123490380</guid><author>celine0227</author><pubDate>Tue, 15 Mar 2022 17:31:20 +0800</pubDate><description><![CDATA[用IV做2SLS回归时，需要对IV进行三个方面的检验：

一、不可识别检验

即检验工具变量的个数是否少于内生解释变量的个数，使用的统计量是Anderson LM 统计量/Kleibergen-Paap rk LM统计量。

这里p值小于0.01说明在 1%水平上显著拒绝“工具变量识别不足”的原假设，也就是要求p值不能大于0.1。

检验时加robust是Kleibergen-Paap rk LM统计量；不加robust是Anderson LM 统计量。

也就是说在iid情况下看Anderson LM 统]]></description><category></category></item><item><title><![CDATA[中介效应的问题]]></title><link>https://blog.csdn.net/celine0227/article/details/122834924</link><guid>https://blog.csdn.net/celine0227/article/details/122834924</guid><author>celine0227</author><pubDate>Wed, 09 Feb 2022 09:26:45 +0800</pubDate><description><![CDATA[1. 控制变量

（1） 必须控制的情况



如果核心解释变量是w，x会影响y，同时x和w相关，那么x必须作为控制变量。

（2）不能控制



x是y的结果，不能控制“事后”变量。

（3）可控制可不控制的情况



这是最类似于“中介效应”的一种情况，控制和不控制x都有道理，关键看我们想讲的故事是什么。

比如说，如果我们希望研究教育年限（w）对于收入（y）的影响，要不要控制“是否拿到了学位证”（x）这一变量？如果不控制，那么意思是说我要看的是每多上一年学对收入的“总影响”；而如果控制了x，那就是在排]]></description><category></category></item><item><title><![CDATA[heckman两阶段的stata命令]]></title><link>https://blog.csdn.net/celine0227/article/details/122480821</link><guid>https://blog.csdn.net/celine0227/article/details/122480821</guid><author>celine0227</author><pubDate>Thu, 13 Jan 2022 19:38:25 +0800</pubDate><description><![CDATA[1. Heckman两阶段法作用

在学术问题研究中，我们在考察因果关系时，经常会遇到因果关系考察中的内生性问题。一般而言，内生性问题主要来源于以下几个方面：（1）反向因果关系，即自变量影响因变量，因变量反过来也影响自变量，从而导致内生性。（2）测量误差；（3）遗漏变量，遗漏的该变量与自变量相关并进入误差项，从而导致自变量与误差项相关，出现内生性问题；（4）样本自选择。然而，实证研究中所产生的内生性问题，容易导致的后果是所研究结论有偏且不一致性，使得所得结论不具有稳健性。在实证研究中，我们将有多种解决方面.]]></description><category></category></item><item><title><![CDATA[聚类调整标准误笔记]]></title><link>https://blog.csdn.net/celine0227/article/details/122437045</link><guid>https://blog.csdn.net/celine0227/article/details/122437045</guid><author>celine0227</author><pubDate>Wed, 12 Jan 2022 08:53:45 +0800</pubDate><description><![CDATA[1. 何为聚类标准误

标准误在统计推断中发挥着至关重要的作用，直接影响着系数的显著性和置信区间，并最终影响到假设检验的结论。因此，正确地估计标准误在实证分析的过程中显得尤为重要。当干扰项满足「独立同分布 (iid)」 条件时， OLS 所估计的标准误是无偏的。但是当误差项之间存在相关性时，OLS 所估计的标准误是有偏的，不能很好地反映估计系数的真实变异性 (Petersen, 2009)，故需要对标准误进行调整。在多种调整标准误的方式中，「聚类调整标准误 (cluster)」是一种有效的方法 (Peter]]></description><category></category></item></channel></rss>