日志
本科生应该 “有能力” 对理论 进行验证 —— 多元回归分析 ... ... ...
|
本科生不是知识的创造者，它是一个知识的使用者。
但对于使用者来说，你首先要学会对学到的知识进行验证。
**************************************************************************
假如政府雇佣了你，让你对公共机构的工作培训项目进行效果评价。
假设这个项目是培训工人在生产过程中是用计算机的各种方法。（就是电算化啊、等级证 这种烂证的培训）
为期20周的培训都是在工人的非工作时间进行的。任何一个按小时计酬的生产工人都可以自愿参加全部或部分培训。
你要决定培训项目对每个工人以后的小时工资有何影响。
假定你为一家投资公司工作，并研究对国债的各种不同投资战略的回报，看看它们是否与经济理论的含义相一致。
你知道国外的理论不一定能照搬到中国来。
**************************************************************************
《奥迪斯·邓肯的学术成就：社会科学中用于定量推理的人口学方法》
我以前讲过 “穆勒五法”
**************************************************************************
数据集的数据结构
1、横截面数据
横截面数据的一个重要特征是，我们通常可以假定，它们是从样本背后的总体中通过随机抽样得到的。
2、时间序列数据
这没什么好说的，有些数据就是带时间特征。流水账
3、混合数据和 面板数据
为什么要用混合数据啊？因为 面板数据不容易得到。因为你是在外部。
当然你要是在内部，可以用面板数据。 对同一单位进行多次观测，长时间的观测
面板数据的第二个优点，能观测到时间的滞后效应。
**************************************************************************
跨境杀：越级挑战
本科生不是产生知识，而是验证知识。
可以让他们先说，然后验证一下他们说的对不对。
照妖镜，你得知道他们说的对不对。
我知道你也不是博士，“不是让你去挑战博士的”，博士里面也有很多坏人。
还要专家教授，我最讨厌这种人了。
咱们这个门派，唯象，不找原因，就是“人家咋着，咱咋着”
人家这么弄，能发财，咱这么弄，也能发财。
就这么简单的一个道理。
找原因这种事情，让博士去干吧。
专家呕吐，博士流泪。
**************************************************************************
经济学家的目标就是要推定一个变量（比如受教育程度）对另一个变量（如犯罪率或工人的生产力）具有因果效应（causal effect）。
虽然简单地发现两个或多个变量之间有某种联系很诱人，但除非能得到某种因果关系，否则这种联系很难令人信服。
其他条件不变，意味着“其他（相关）因素保持不变”的概念，在因果分析中有重要作用。
在初级经济学教程中，很多经济学问题都有其他条件不变的特征。
*************************************************************
你知道我们学的都是初级教程，有没有一个办法，可以越级挑战，这是本文的重点。
*************************************************************
时间停止运行，跟电影一样，你喊 卡，它就停了。
还原法，你也知道，不一定对。
综合起来，不一定。
但是这已经是一个很好的工具了。
还原法+ 直觉= 跟解放军一样，简单工具+劳动，搞一些大事情
本科你还想干什么，你就是一个本科。
*************************************************************
社会科学所搜集到的数据多数具有非实验特征，所以发现其中的因果关系极具挑战性。
这在玄幻小说里，被称为“跨境杀”
就是你境界在人家之下，还要审它。
其实我们都想学这种，简单又强大刀法，“剑磨两边，刀磨一边就够了”
*************************************************************
简单回归模型可以用来研究两个变量之间的关系。
简单回归模型作为经验分析的一般工具还存在着局限性，不过有时把它作为一个经验工具还是很合适的。
比如说 y是大豆产出，x是施肥量；y是每小时工资，x 是受教育的年数，y是社区犯罪率，x是警察的数量。
在写出用x 解释y 的模型时，我们要面临三个问题。 （两变量模型就碰见问题了）
首先，既然两个变量之间没有一个确切的关系，那么我们应该如何考虑其他影响y 的因素呢？
第二，y 和x 的函数关系是怎样的呢？
第三，我们何以确定我们在其他条件不变的情况下刻画了y和x 之间的关系呢？（如果这是一个理想目标的话）
我们可以通过写出关于y 和x 的一个方程来消除这些疑惑。
一个简单的方程是：
y=b0+b1x + u
假定方程在我们所关注的总体中成立，它便定义了一个简单线性回归模型。
均值，其实就是最小二乘法。 取平均值的经验方法被最小二乘法的概念替代。（高斯和勒让德）
线性形式意味着：不管x 的初始值为多少，它的任何一单位变化对y的影响都是相同的。
这对许多经济应用来说是不现实的。
举例来说，在工资——教育的例子中，我们或许还要考虑到递增的回报，即，后一年的教育比前一年的教育对工资的影响更大。
************************************************************************
回归可能是直线，也可能是对数。（这都是对数据的拟合，想象中的一根线）
对数的特征是斜率不发生变化，而是形式近似于 比例变化。
扩展阅读：
统计学之美（二）：多元回归分析
https://zhuanlan.zhihu.com/p/24263575
**********************************************************************
“越境杀，不越境杀” ；这个不重要
跟玩游戏一样，你先能自保再说
怕你连自保都不能，就被洗脑了
但对于使用者来说，你首先要学会对学到的知识进行验证。
**************************************************************************
假如政府雇佣了你，让你对公共机构的工作培训项目进行效果评价。
假设这个项目是培训工人在生产过程中是用计算机的各种方法。（就是电算化啊、等级证 这种烂证的培训）
为期20周的培训都是在工人的非工作时间进行的。任何一个按小时计酬的生产工人都可以自愿参加全部或部分培训。
你要决定培训项目对每个工人以后的小时工资有何影响。
假定你为一家投资公司工作，并研究对国债的各种不同投资战略的回报，看看它们是否与经济理论的含义相一致。
你知道国外的理论不一定能照搬到中国来。
**************************************************************************
《奥迪斯·邓肯的学术成就：社会科学中用于定量推理的人口学方法》
我以前讲过 “穆勒五法”
**************************************************************************
数据集的数据结构
1、横截面数据
横截面数据的一个重要特征是，我们通常可以假定，它们是从样本背后的总体中通过随机抽样得到的。
2、时间序列数据
这没什么好说的，有些数据就是带时间特征。流水账
3、混合数据和 面板数据
为什么要用混合数据啊？因为 面板数据不容易得到。因为你是在外部。
当然你要是在内部，可以用面板数据。 对同一单位进行多次观测，长时间的观测
面板数据的第二个优点，能观测到时间的滞后效应。
**************************************************************************
跨境杀：越级挑战
本科生不是产生知识，而是验证知识。
可以让他们先说，然后验证一下他们说的对不对。
照妖镜，你得知道他们说的对不对。
我知道你也不是博士，“不是让你去挑战博士的”，博士里面也有很多坏人。
还要专家教授，我最讨厌这种人了。
咱们这个门派，唯象，不找原因，就是“人家咋着，咱咋着”
人家这么弄，能发财，咱这么弄，也能发财。
就这么简单的一个道理。
找原因这种事情，让博士去干吧。
专家呕吐，博士流泪。
**************************************************************************
经济学家的目标就是要推定一个变量（比如受教育程度）对另一个变量（如犯罪率或工人的生产力）具有因果效应（causal effect）。
虽然简单地发现两个或多个变量之间有某种联系很诱人，但除非能得到某种因果关系，否则这种联系很难令人信服。
其他条件不变，意味着“其他（相关）因素保持不变”的概念，在因果分析中有重要作用。
在初级经济学教程中，很多经济学问题都有其他条件不变的特征。
*************************************************************
你知道我们学的都是初级教程，有没有一个办法，可以越级挑战，这是本文的重点。
*************************************************************
时间停止运行，跟电影一样，你喊 卡，它就停了。
还原法，你也知道，不一定对。
综合起来，不一定。
但是这已经是一个很好的工具了。
还原法+ 直觉= 跟解放军一样，简单工具+劳动，搞一些大事情
本科你还想干什么，你就是一个本科。
*************************************************************
社会科学所搜集到的数据多数具有非实验特征，所以发现其中的因果关系极具挑战性。
这在玄幻小说里，被称为“跨境杀”
就是你境界在人家之下，还要审它。
其实我们都想学这种，简单又强大刀法，“剑磨两边，刀磨一边就够了”
*************************************************************
简单回归模型可以用来研究两个变量之间的关系。
简单回归模型作为经验分析的一般工具还存在着局限性，不过有时把它作为一个经验工具还是很合适的。
比如说 y是大豆产出，x是施肥量；y是每小时工资，x 是受教育的年数，y是社区犯罪率，x是警察的数量。
在写出用x 解释y 的模型时，我们要面临三个问题。 （两变量模型就碰见问题了）
首先，既然两个变量之间没有一个确切的关系，那么我们应该如何考虑其他影响y 的因素呢？
第二，y 和x 的函数关系是怎样的呢？
第三，我们何以确定我们在其他条件不变的情况下刻画了y和x 之间的关系呢？（如果这是一个理想目标的话）
我们可以通过写出关于y 和x 的一个方程来消除这些疑惑。
一个简单的方程是：
y=b0+b1x + u
假定方程在我们所关注的总体中成立，它便定义了一个简单线性回归模型。
均值，其实就是最小二乘法。 取平均值的经验方法被最小二乘法的概念替代。（高斯和勒让德）
线性形式意味着：不管x 的初始值为多少，它的任何一单位变化对y的影响都是相同的。
这对许多经济应用来说是不现实的。
举例来说，在工资——教育的例子中，我们或许还要考虑到递增的回报，即，后一年的教育比前一年的教育对工资的影响更大。
************************************************************************
回归可能是直线，也可能是对数。（这都是对数据的拟合，想象中的一根线）
对数的特征是斜率不发生变化，而是形式近似于 比例变化。
扩展阅读：
统计学之美（二）：多元回归分析
https://zhuanlan.zhihu.com/p/24263575
**********************************************************************
“越境杀，不越境杀” ；这个不重要
跟玩游戏一样，你先能自保再说
怕你连自保都不能，就被洗脑了
