网站开发流程详细步骤,网站域名类型,网站联盟推广,科凡网站建设怎么样这是一个很好的例子,通过蒙特卡洛模拟展示了忽略相关变量时,回归系数估计的偏差。
%% 蒙特卡洛模拟#xff1a;内生性会造成回归系数的巨大误差
times 300; % 蒙特卡洛的次数
R zeros(times,1); % 用来储存扰动项u和x1的相关系数
K zeros(times,1); % 用来储存遗漏了x2…这是一个很好的例子,通过蒙特卡洛模拟展示了忽略相关变量时,回归系数估计的偏差。
%% 蒙特卡洛模拟内生性会造成回归系数的巨大误差
times 300; % 蒙特卡洛的次数
R zeros(times,1); % 用来储存扰动项u和x1的相关系数
K zeros(times,1); % 用来储存遗漏了x2之后只用y对x1回归得到的回归系数
for i 1: timesn 30; % 样本数据量为nx1 -10rand(n,1)*20; % x1在-10和10上均匀分布大小为30*1u1 normrnd(0,5,n,1) - rand(n,1); % 随机生成一组随机数x2 0.3*x1 u1; % x2与x1的相关性不确定 因为我们设定了x2要加上u1这个随机数% 这里的系数0.3我随便给的没特殊的意义你也可以改成其他的测试。u normrnd(0,1,n,1); % 扰动项u服从标准正态分布y 0.5 2 * x1 5 * x2 u ; % 构造yk (n*sum(x1.*y)-sum(x1)*sum(y))/(n*sum(x1.*x1)-sum(x1)*sum(x1)); % y k*x1b 回归估计出来的kK(i) k;u 5 * x2 u; % 因为我们回归中忽略了5*x2所以扰动项要加上5*x2r corrcoef(x1,u); % 2*2的相关系数矩阵R(i) r(2,1);
end
plot(R,K,*)
xlabel(x_1和u的相关系数)
ylabel(k的估计值)
主要思路是:
生成自变量x1和x2,其中x2与x1有一定相关性生成依变量y,它与x1和x2都有线性关系假设我们在回归中只使用了x1,忽略了x2这时残差项中会包含被忽略的x2部分,因此残差项与x1就会产生相关性重复模拟多次,收集x1和残差的相关系数及只用x1回归估计的回归系数画出二者的散点图,可以明显看出相关系数越高,回归系数的偏差也越大
通过这个简单的模拟,很好地说明了忽略变量偏差的原理。这在计量经济学中是一个很经典的例子。
