【计量经济学及Stata应用】第 3 章 数学回顾

微积分部分略

线性代数

概率部分

• 以数据集grilic.dta为例

无条件

use grilic.dta,clear
describe
sum   //查看各个变量的基本统计指标
sum lnw,detail  //可以看lnw的更多统计指标，比如偏度、峰度

hist lnw,width(0.1)  //lnw直方图，不连续

//“kdensity”表示核密度估计（kernel density estimation）
//选择项“normal”表示正态分布的密度函数作为对比
//选择项“normop(lpattern(dash))”表示是将正态密度用虚线(dash)来画
//normop表示normal options；lpattern表示line pattern，简写lp
kdensity lnw,normal normop(lpattern(dash))

//查看工资水平本身的分布，想去正态分布甚远，非对称分布，在右边存在很长的尾巴，向右偏
kdensity wage

有条件

kdensity lnw if s==16
//把lnw无条件密度与条件密度画在一起,两种表示
twoway kdensity lnw||kdensity lnw if s==16,lpattern(dash)
twoway (kdensity lnw)(kdensity lnw if s==16,lpattern(dash))
//s=16的工资对数条件密度比无条件密度向右移，条件期望增大，条件方差变小

迭代期望定律

随机变量无关的三个层次概念

正态分布

normalden(x) //标准正态概率密度
normal(x)  //标准正态分布函数

twoway function y=normalden(x),range(-5 5) xline(0) ytitle(概率密度)

normalden(x,m,s)  //一般正态分布，m是期望，s是标准差

//将N(0,1)与N(1,4)的密度函数画在一起
twoway function y=normalden(x),range(-5 10)||function z=normalden(x,1,2),range(-5 10) lpattern(dash) ytitle(概率密度)

多维正态分布

卡方分布

chi2den(k,x)  //概率密度
chi2(k,x)  //分布函数

//卡方(3)与卡方(5)
twoway function chi3=chi2den(3,x),range(0 20)||function chi5=chi2den(5,x),range(0 20) lpattern(dash) ytitle(概率密度)

t分布

tden(k,t)   //概率密度
t(k,t)    //分布函数

//t1与t5
twoway function t1=tden(1,x),range(-5 5)||function t5=tden(5,x),range(-5 5) lpattern(dash) ytitle(概率密度)

F分布

Fden(k1,k2,x)   //概率密度
F(k1,k2,x)    //分布函数

//F(10,20)与F(10,5)
twoway function F20=Fden(10,20,x),range(0 5)||function F5=Fden(10,5,x),range(0 5) lpattern(dash) ytitle(概率密度)

t分布的平方是F分布

统计推断思想

计量经济学的主要方法是数理统计的统计推断(statistical inference)。
称我们感兴趣的研究对象全体为总体(population)，其中的每个研究对象称为个体(individual)。
由于总体包含的个体可能很多，普查成本较高，故常从总体抽取部分个体，称为样本(sample)。
样本所包含的个体数目称为样本容量(sample size)。
通常希望样本为随机样本(random sample)，即总体中的每位个体都有相同的概率被抽中，且被抽中的概率相互独立，称为独立同分布(independently identically distributed，简记iid)。

统计推断就是根据样本数据，对总体性质进行推断的科学。【由样本推总体】
统计推断的主要形式有参数估计(点估计、区间估计)、假设检验及预测等，其中点估计为统计推断的基础。