如何做logit模型中自变量的边际影响， 在EVIEWS中怎么操作，或者给出具体的公式。

　　logit模型和简单的线性模型不同，自变量的边际效应并不是简单等于其系数。

　　x_j对于y的边际效应一般来讲计算方法如下 

　　EViews本身并没有直接求边际效应的程序。不过，可以通过EViews的预测功能求得边际效应。如果简单的样本内预测值是XB，那么@dlogistic(-xb)乘以x的系数就是边际效应了。

　　下面是一个实例。

　　首先，估计我们需要的logit模型。被解释变量是foreign，解释变量是price和mpg。我们一会儿来求mpg的边际效应。 

　　模型估计好之后，记下mpg的系数。 

　　然后，我们来进行样本内的预测。记得要预测index，不是probability。

　　预测之后就可以生成边际效应了。 

　　这个序列的均值就是我们要求的平均边际效应(average marginal effect)。 

　　我们可以在Stata里进行同样的回归并求mpg的边际效应作为验算。命令和结果如下： 

　　这表格 怎么分析呢？大侠 请赐教啊！

　　EViews输出的预测图表是报告预测的典型方式。图中的蓝线是预测值。高于蓝线的那个红线表示预测值+2xS.E.，低于蓝线的那个红线表示预测值+2xS.E.。 取决于生成预测值的模型，并不是所有的预测值都服从常见的分布。所以对于红线表示的结果不要过分依赖。

　　右边的表格提供标准的衡量预测准确度的统计值。从第五行开始，之后的四行是四个不同的统计值，RMSE， MAE，MAPE，和Theil’s U值。如果a表示真实值，p表示预测值，t=1,...,T是预测样本的区间，

RMSE=T−1∑t(at−pt)2

MAE=T−1∑t|at−pt|

MAPE=100×T−1∑t|(at−pt)/at|

U=RMSET−1∑tp2t−−−−−−−−√+T−1∑ta2t−−−−−−−−−√

　　头三个个统计量大部分时候提供相同的信息，所以主要看一个一般就够了。最后一个统计量，Theil's U值只能取0到1之间的值。如果U=0，那么说明所有的预测完美准确。如果U=1，那么说明预测值非常不准确。

　　表格的最后三行是U值分解之后的结果。U值可以被分解成三个部分，Bias的部分表示预测值是否有系统性的偏差。Variance的部分表示预测和实际值波动程度的差别。如果这个部分很大，则表示实际值的波动比预测值大很多。最后一部分，covariance，表示非系统系的预测误差。这个部分应该是三个部分里最大的。这三个部分相加等于1。

　　用stata把long变成wide面板，时间是2007年至2010年，但是有的变量（aa）在某些年份没有数据，所以这个命令没有办法执行，请问怎么补齐缺失年份的数据。

　　比如：变量1,只有2010年的数据，我想将2007年至2009年的数据补齐为0，命令式什么？因为是菜鸟，所以怎么百度都不知道，还希望好心人指教。

　　tsfill只是生成缺失值，并不生成0.

　　tsfill is used to fill in gaps in time-series data and gaps in panel data with new observations, which contain missing values.

　　如果你要把缺失的部分变成0还是需要replace x=0 if x==.命令。

　　求问大家，我们一般处理内生性问题就是找个iv，然后用ivreg里的2sls（截面数据）回归就可以了。今天看到一篇paper用Heckman selection model的，查了一下估计方法略有不同。不明白这两种方法的适用范围有什么不同。求问大家！

　　这个问题每一段时间就会出现一次。这里有详细的解答：

　　http://www.stata.com/support/faq ... ple-selection-bias/

　　这个问题之所以比较不好理解，是因为同一个问题，比如是否加入工会对工资的影响，既可以被视为内生性问题，也可以被视为样本选择的问题。具体用什么方法处理取决于模型背后的经济假定。

　　如果我们认为是否加入工会仅对工资回归的截距产生影响，从而在等式右边加入是否加入工会的0/1变量，并使用所有的观测值（既包括加入工会的工人也包括没有加入工会的工人），那么，因为所有的样本都被使用了，所以并不存在样本选择的问题。因为是否加入工会是内生的，所以需要工具变量。这个情况下使用2SLS。

　　如果我们认为是否加入工会不仅对截距产生影响，而且对斜率产生影响（例如，额外的每年工作经验对工资的影响根据工人是否加入公会而有不同），那我们就需要考虑样本选择的问题了。这时，我们不能使用整个样本进行估计，而只能分开估计工会内和工会外的样本。这时，因为只有部分（非随机选择的）样本被使用，我们需要相应的使用heckman模型。在这个情况下，是否加入工会的0/1变量并不出现在等式右边。

　　我把自己的问题转化为一个简单的形式。设自变量X，应变量Y。

　　reg y x，X的系数为负，但不显著，表示X对Y是负影响的，但是不显著。

　　同时，我认为反过来，Y对X是存在影响。

　　那么，我产生一个交互项 mixe=x*y， 这里x和y都做了中心化处理，避免了多重共线性。

　　得到一个新的回归方程：reg y x mixed

　　那么请问，这样的方程设置有统计意义吗？得到的X的系数由负向不显著，变为显著；mixed的系数为负向显著。

　　我是否可以得到一个推论X对Y 的影响负向显著，而其中一部分的负向影响是由Y引起的？谢谢，请大牛指教，我之前看到过有这么用的文献，但是找不到相关资料支持了。

　　这里需要考虑到的首先是正确的模型只有一个。如果模型一是正确的，那么没什么可说的，不用继续考虑模型二了。如果第二的模型是正确的。那么mixed项在第一个模型里就变成了omitted variable，导致x和error term相关。这个情况下第一个模型是不可取的。

　　假定第二个模型正确，那么把mixed项移动到式子左边，提取y，然后式子两边同时除以左边y的系数（一个包含x的表达式），则可以在回归时等式右边只出现x。但是如果第二个模型本身没有异方差性，error term除以包含x的表达式之后会造成异方差性，所以需要使用robust S.E.。

　　在不清楚究竟是模型一正确还是模型二正确的话，可以两个模型都估计，然后使用标准的model selection方法。也可以直接比较两个模型用于预测时的准确性。

　　实际应用当中，需要综合考虑你的统计模型背后的经济模型，也需要考虑除了估计值以外的因素，比如样本量大小等等。

　　怎么才能学好经济

　　在本科阶段（包括非经济专业的学生学者初学经济学时）最重要的建立正确的思维方式，即学会用经济学的原理和方法思考问题。这一点非常重要。很多人本科数学或物理专业出身，硕士或博士阶段转向经济专业。他们有很好的数学和统计基础，但是很多人还是在用数学和物理的思维方式思考经济问题，从而遭遇很多困难，尤其是在抽象的思考经济现象这个方面。对于经济的初学者来说，仔细的阅读入门级别的微观和宏观教材（比如曼昆的一系列初级教材）很有帮助。在这个阶段，能否使用数学工具解决书后的计算或者推导类的问题还是次要的。关键是能否学会用自己的语言和习惯解释和理解经济问题。

　　到了硕士和博士阶段（对于非专业的学生学者来说，到了可以阅读硕博士阶段的经济类书籍和研究论文的阶段），很大一部分精力需要花在学习应用数学和统计方法以及相应的软件工具上。即使到了这个阶段，也不能忽略经济思想的学习。在书写数学公式或者设计统计模型的时候，不能忘了分析思考模型的经济学含义。时刻需要把经济问题和人的行为联系起来。任何时候都不要忘记模型的微观基础。

　　我有10个控制变量需要加到回归方程里面，可以加一个，也可以加2个，甚至全部加，我想者10个变量的每一种排列组合方式都运算一次回归。请问stata可以自动进行么，还是必须每次手动输入变量

　　你描述的这个方法正式的名称是stepwise estimation。Stata里的stepwise命令就是用来做这个的。以auto数据为例，下列命令可以用来得到解释mpg的”最好的“模型：

　　stepwise, pr(.2): regress mpg weight displ gear turn headroom foreign price

　　当然，这个命令的具体用法得要仔细阅读帮助文件help stepwise才能全部掌握。

　　注意：stepwise并不是对所有的排列组合都进行一次回归。如果确定是需要严格意义上对所有的排列组合都进行一次回归的话，需要自己编写程序，或者使用EViews的STEPLS方法，并使用Combinatorial作为selection method。

　　请问，有没有人知道相关文献，关于黑夜 的时间划分啊？

　　我想晚上从21点到次日4点，各位觉得这个分法怎么样？不知道有没人文献这样做的，烦请这方面的专业给点意见哈！

　　白天和黑夜的定义在不同的领域略有不同。一般来说，如果本领域没有既成的传统，可以使用天文上的定义（或略加修改），即：日出时间-x小时之后到日落时间+x小时之后算作白天，其他时间算作晚上。

　　这个定义的问题在于，日出和日落时间取决于地点。不同地点时间不同。而且这个时间每天都会变化。如果需要用这个时间在统计分析当中，则需要取得相应的数据。

　　这个日出和日落时间的数据可以在网上查到。一个比较好用的网站是http://www.sunrisesunset.com

　　更具体一点说，日出日落时间常用的还有三个不同的版本。这里有详细的解释。三个版本时间实际上差不多，可以根据研究需要使用合适的时间。http://www.timeanddate.com/astro ... types-twilight.html">

　　1.论文中常见的说是把解释变量X滞后一期，被解释变量Y不变来解决内生性的做法，是指把滞后一期的X作为代理变量，还是作为工具变量呢？

　　2.另外，把主要解释变量滞后一期，与把所有解释变量滞后一期，这两种做法哪种可靠且合理呢，如果有区别，区别是什么呢？

　　3.滞后解释变量的做法是解决哪一种内生性呢？我看到一些文献是说解决逆向因果，那么这种方法能够缓解遗漏变量的问题吗？

　　4.有没有一些关于这类的文献可以推荐看看？

　　关于第一个问题，大概应该是这样吧：如果y_t和x_t都取决于观测不到的变量z_t，regress y x里x就有内生性的问题。但是如果z_t和z_{t-1}不相关，那么x_{t-1}就不是内生的了。所以才有regress y l.x这样的做法。在这个假定下，应该取哪些变量的滞后值就很明确了。不过实践当中，时间序列的话一般所有的变量都回取滞后值。比如本期的消费取决于上期的收入等。 追问：

　　您的意思是，想要用这种做法解决遗漏变量问题必须满足z_t与z_t-1不相关才可以，那么现实中这种情况可能比较少见，所以说即使这么做了，顶多是缓解一下遗漏变量的内生性，而不能够完全解决，是这样子吗？ 追答：

　　这是一种。另一种就是说，比如x y都是AR(1)，e_{tx}和e_{ty}相关。但是两个e和自己的滞后项都不相关。

　　内生性是信仰问题。你只能做到一定程度。自己满意了就可以了。你管不着别人怎么想。对吧？实践当中，你按照文献做了，就好了，就算还是内生的，也不是就你一个人有这个问题。 追问：

　　您好，请问您有一些以被解释变量不变，解释变量滞后一期来解决内生性问题的文章吗，可否分享一下？ 追答：

　　现在这种事情很普遍的。用了也不会特意说一声。你要是要几十年以前的文章当然另当别论。

　　请教各位大神一个问题：在stata的面板数据中，数据年份为1999-2005，只要在这一时间段内有一年的企业新产品产值大于0，则视为有新产品产值的企业。怎么计算这样的有新产品产值的企业数呢？

　　bys company_id: egen tmp = count(year) if new_product>0

　　by company_id: egen count = mean(tmp)

　　如果count大于一那就是有的

　　在学习统计学的课程中，很多统计学的假设检验都是依赖于正态假设检验，为什么在很多论文使用这些统计方法的时候，没有看到正态性的检验，是不是他们的文章有问题？

　　这个问题要从两方面入手：

　　根据中心极限定理，大多数情况下，只要样本容量较大，估计量通常很好的近似于正态分布。如果此时的box-plot图的形状正常，就无需正态检验了。

　　当样本量不大的时候，通常不采用正态检验，一个原因是任何检验在样本量不大时，都很难拒绝原假设，（这个结论很容易验证，比如，要检验，1，2，3 是否服从正态分布，p值一定很大，同样，再去检验 1，2，3，4，5也是一样）

　　需要注意的是，在发表论文时，一般说来，虽无需正态检验，但应该提供qq图或箱线图来说明样本情况。

　　现在很多调查中心的调查数据已经进行了2期追踪调查，以后期待更多的追踪时期。尽管如此，2期追踪数据相比于1期横截面数据在分析中有什么优势？

　　两期追踪数据是简单的面板数据，也能够考察非观测效应的影响。通常非观测效应和模型中的随时间变化的变量相关，此时往往考虑两期数据的差分进行估计，是有效的控制非观测效应的方法。

　　两期追踪数据对政策分析、项目评估来说也是很有用的。近些年来流行的田野实验方法，两期追踪数据进行分析则非常不错。

　　如何通过预调查对调查问卷的条目进行修正？

　　在问卷调查中，往往需要预调查对问卷的条目修正，这里除了专业考虑的角度之外想补充几条：

　　1 把那些没有变异的条目删除或修改：如果预调查显示，某个条目的回答都是某一个选项，那么这个条目应该被剔除掉或者在细分更多的选项。

　　2 某些条目的选项应该合并：如果预调查显示某个条目的回答都集中在前三个，那么后面几个选项应该跟前面合并或者删除。

　　条目的设置一定遵循有所变异的原则，当然所有的修正都应该结合专业以及问卷调查的目的。

　　如何理解假设检验的错误？

　　第一，假设检验是带有概率性质的反证法过程。在要检验的假设（通常称为原假设）正确的前提下，构造小概率事件，通过抽样如果发现小概率事件发生了，则拒绝原假设。从过程来看，拒绝原假设本身就有一定的主观性，小概率事件不是不可能发生的事件，因此而拒绝原假设自然会犯错误，这个错误也就是假设检验的显著性水平。

　　第二，借论坛网友的回答说明：“假设检验中会犯两种类型的错误:第一类错误是原假设是真实的，却错误地拒绝了真实的原假设，叫作弃真错误，犯这类错误的概率用显著性水平α表示；第二类错误是原假设是不真实的，却接受不真实的原假设，叫做纳伪错误，犯这类错误的概率用β表示。”

　　第三，第一类错误和第二类错误往往此消彼长。借网友回答补充说明：“在样本容量（n）不变的前提下，两者不能同时变小，减小α必然导致β增大；反之，减小β必然导致α增大，两者呈反向变动关系。要同时减少α和β的唯一方法是增加样本含量”事实上，在可以选择不同检验方法的情况下，是可以控制第一类错误，而选择使得第二类错误尽可能小的检验方法的。

　　假设检验原则：控制第一类错误，尽量减少第二类错误。

　　如何理解统计学中小样本精确分布和大样本近似分布？

　　这个问题论坛网友给出了很好的回答。引用如下：

　　“因为中心极限定理和大数定律可以让我们相信在大样本的情况下，样本越大越接近正态分布。而在小样本中，因为样本量小，更容易出现样本偏差，此时对样本的精度要求比较高，可以直接进行正态性检验，若不符合正态分布，则可以考虑用其他分布拟合或进行数据变化使之符合正态分布或直接采用非参数的统计方法。”

　　补充说明：很多教材或者专业人士对小样本情况下就说小样本精确分布是不太恰当的，样本容量小的时候，只有样本来自某确定分布的总体的时候才能确定统计量的精确分布，如果不能确定总体分布，则谈不上小样本精确分布。

　　请各位有经验的坛友帮介绍一下，分位数回归的含义。

　　我对这个问题跟前面网友的观点有些不同：

　　简单的来说，可以从中位数回归开始理解：y的中位数m可以被视为E|y-m|的最小化值。因此，通过最小化残差绝对值总和得到中位数回归系数。

　　中位数回归估计量可一般化为第p分位数回归的估计量。单变量样本y1， y2，...，yn分布的第p分位数就等于使得样本数据加权距离的总和最小化的q值，这里q值之下的数据点的权重为1-p，而在q值之上的数据点的权重为p。于是中位数回归相当于yi-yi^大于零的项权重为p，yi-yi^小于零的项权重为1-p，如此求得的|yi-yi^|的和最小的参数为第p分位数回归的估计量。

　　我在学习计量经济学，请问各位：回归分析如何确定变量之间的因果关系？谢谢！

　　这里回答简单回归分析吧！

　　简单回归分析通常假定扰动项条件零均值E(u|x)=0（解释变量外生），其目的就是为了确定x对y的影响不受其他条件干扰。多元回归分析中明确提出从u中分离更多的相关因素，OLS的这个工具使得多元回归系数的含义具有排除控制的其他变量影响的特性，因此正确的回归模型设定下显著的回归系数通常被赋予因果关系的证据。当然，正确的模型设定也就是说模型中解释变量满足外生性要求。

　　对于多个内生性变量的系统来说，确定因果关系并不容易。复杂些的方法比如非递归有向循环图（DAG）、结构方程模型方法等。论坛网友也提到了时间序列数据中的Granger因果关系检验。

　　有了解Cox比例危险模型的前辈，请帮忙解答一下，这一模型可以用于何种数据分析？

　　网友的回答已经比较好了“Cox比例模型属于半参数模型，一般用于生存分析，响应变量为第i个个体在t时刻的危险率函数，如果仅仅为了比较不同个体间的风险，只需要估计出解释变量风险比，不必给出基础危险率函数的具体形式。当然如果并不是为了比较不同个体，而是要估计该个体的危险率，还是要估计出基础危险率函数，这时也就变成全模型了~~Cox比例模型的参数比较容易解释~~”

　　个人在补充几点：

　　1 这个模型是20世纪最有名的统计模型之一。如今已经成了所有新药上市，其中统计检验的必备模型之一。其作者D. R. Cox 也因此奠定他在统计学界的地位。

　　2 应用非常广泛，只要因变量跟时间有关都可以考虑使用，癌症手术的评价（病人的存活期）， 保险中寿险模型（人的寿命），非寿险模型（车或其他的寿命），甚至有人用这个模型来研究股价（涨到跌的时间）

　　如题，希望了解的学长学姐帮介绍一下，卡方检验能帮我们做什么？

　　百度百科上的回答已经比较好了，这里再补充两个：

　　1 他本质上是一种拟合优度检验，学过数理统计的同学都知道可以使用这个检验来检查任意数据是否来自某种特定的分布，其实P-P图的原理（看样本分位数跟总体分位数是否一致）跟这个有些类似。

　　2 对定性数据的分析，都知道列联表是用来分析定性数据（可以检验比例是否相同，构成比是否相同等等）的，使用的方法就是卡方检验，虽然现在的GLM（广义线性模型）可以替代列联表方法，但这种方法在实际的使用中还是非常广泛的。

　　需要注意的是：在高维列联表中，一般使用对数线性模型，就不再使用卡方检验了。

　　有人说：“统计就像比基尼，露出来的部分固然诱人，没露出来的才是致命的”，大家如何理解这句话？

　　这是个公开的问题，只是让我联想另外关于统计的名言，马克·吐温：“世界上三种谎言，分别是谎言，该死的谎言和统计数字”。

　　求大神给出R语言计算多项分布的概率的代码！

　　若R中分布的函数名为func,则四类函数的调用格式为：

　　1)概率密度函数：dfunc(x, p1, p2, ...), x为数值向量；

　　2)(累积)分布函数:pfunc(q, p1, p2, ...), q为数值向量;

　　3)分位数函数：qfunc(p, p1, p2, ...), p为由概率构成的向量；

　　4)随机数函数：rfunc(n, p1, p2, ...), n为生成数据的个数

　　其中p1, p2,...是分布的参数值.上面的表格中有具体数值的是这些参数在空 缺时对应的缺省值.

　　请问spss中的成分矩阵和结构矩阵式怎么回事啊？可以详细解释一下吗

　　不知道你说的是不是载荷矩阵？

　　一般这个矩阵是用来看各截面在不同的成分中更偏向于哪一个成分。比如有三个成分，在同一行中载荷数分别为0.5 0.7 0.9，那么他一般就回归于第三类。

　　至于这个矩阵是如何得出的 还要看当时选择提取成分时使用的是什么方法，这个就很繁杂了，建议可以看下多元统计的教材。（不过我印象中本科阶段的对此不会做太多叙述）

　　国际经济学反应曲线是怎么回事？

　　反应曲线表示一个双头垄断者生产和销售多少数量，该曲线依赖于一个厂商认为另一个双头垄断者将生产和销售的数量。该曲线依赖于一个厂商认为另一个双头垄断者将生产和销售的数量。

　　为啥资本的边际生产效率与利率成正比？

　　凯恩斯认为，投资取决于资本边际效率与利率之间的相互对比关系，而前者尤为重要。当投资者在购入某项资本设备时，必须预期在该设备报废之前，能在逐年的收 益中偿还他的投资并获得利润。由于这些收益尚属未来的预期值，而投资却是现在支付的实际额，所以估算这笔收益时，最后用一个贴现率把它折成现值，并使该现 值至少等于该项设备的供给价格 (如按设备折旧率计算的价格)，这样才便于进行比较。把资本边际效率与现行金融市场的利率相对比、若边际效率高于利率，投资者自然乐于投资，甚至借钱投 资;反之，投资就会减少， 甚至停止。这就是资本边际效率对投资的调节作用。

　　通俗而言，资本边际效率是指厂商计划一项投资时预期可赚得的按复利方法计算的利润率。MEC取决于预期的未来收益R和购置投资资产的成本C。由于资本边际效率I=（收益R－成本C）/成本C=净收益/成本，所以资本边际效率是一个百分率，可以直接与利息率相比较。

　　但凯恩斯又认为, 资本边际效率随着投资量的增加而递减，它是一条自左向右下方倾斜的曲线。因为，随着投资的增加，资本存量增加，一方面资本资产的成本会增加（同样一台机器 所费更多），另一方面，资产所产物品的供给增加，因而预期收益会减少。凯恩斯认为，资本边际效率随投资增加而递减，在短期内主要由于资本资产成本上升，在 长期内主要在于资本存量的大量积累（可供选择的投资机会越来越少；资本对劳动的边际替代率递减）。

　　在凯恩斯宏观经济模型中，一个社会一定时期的投资量由资本边际效率与利息率共同决定。资本边际效率随着投资增加而递减。设边际效率表列为已知，投资量随利率降低而增加，直到某一投资增量的资本边际效率与利息率相等为止。

　　利润分享计划与员工持股计划的主要区别是什么

　　ESOP主要是投资于本企业的股票,员工持股所持股份主要是本企业的股份,但是在利润分享计划中,计划资金的投资往往并不投资于本企业的股票

　　在计划收益的分配方式方面,两种计划也是极为相似的

　　利润分享计划和员工持股计划有很多的相似之处,针对利润分享计划的税法的一般规定同样适用于员工持股计划

　　实际投资和名义投资的区别，并且，和均衡收入的关系

　　实际投资就是不变价格计算或扣除物价因素后的投资额。它等于当年货币投资总额减因价格涨落而增减的投资额。名义投资就是按现行价格计算的投资额，它等于计划年度内投资者(包括国家 企业和个人)垫支的货币量总和。

　　什么是TPP

　　1. TPP协定是什么，包括哪些国家，规模为何？

　　TPP协议由美国主导，最早于5年之前启动。TPP谈判由两大部分构成：一是知识产权保护规则等所有12个谈判参与国一起决定的领域；二是诸如某种物品关税减免等双边磋商领域。12个谈判国同意进行自由贸易，并在投资及知识产权等广泛领域统一规范。

　　文莱、智利、新西兰和新加坡是最初参与国，此后，美国、加拿大、墨西哥、日本、越南、澳大利亚、秘鲁、马来西亚也加入进来。TPP参与国总计为12个，加起来占全球经济的比重达到40%，超过欧盟。

　　2. TPP不仅与贸易有关，也与地缘政治相关。

　　TPP常被认为是美日联合遏制中国的协议。在TPP协议达成一致后，奥巴马发表评论称，TPP协定将给予美国工人应有的平等权利和机会，美国不允许中国等国家来书写全球经济的规则。TPP协议将制定21世纪全球经济在众多领域的规则。

　　上周，奥巴马称，TPP是这样的一个协定，它能使各国通过更高的贸易准则，来促进经济增长。通过TPP，市场可以在放开的同时，还能保护工人的权力和环境，使发展更加可持续。

　　3. TPP协定的达成，也意味着美国和日本间自由贸易协定的达成。

　　美国和日本经济体规模都位列全球前三，此前美日没有达成过双边贸易协定。日本于2013年加入TPP对话谈判，这促进了美日在汽车、牛肉、米饭、猪肉等多领域的单独对话。美日间贸易障碍将下降。

　　TPP协议将使日本经济和供应链进一步与北美融合。TPP协议对日本首相安倍晋三来说至关重要。一直以来，安倍晋三表示，TPP协议有助于日本急需的结构化改革。日本结构化改革将促进日本经济增长潜力。

　　4. 中国不在TPP协定中，但未来可能会。

　　尽管TPP常被认为是美国希望制约中国的协议，但近年来美方立场有所软化。中国曾表示将密切关注TPP的进程。许多美国商界人士认为，TPP协定若想真的履行，需要更多国家的加入，特别是中国加入。

　　5. TPP协议将使贸易协定在环境和劳工标准上有新的突破。

　　2007年起，美国就被要求在贸易协议中商讨环境和劳工问题。TPP首次让相关承诺能够得以履行，如果不能履行将面临贸易制裁。例如，TPP协议有助于减少贩运濒危物种、缓解过度捕捞的问题。马来西亚、越南等国将不得不遵守劳资条款。雇主不能扣押移民过来的工人的护照，向他们收取额外费用。在越南，ZF要给予工人更多的自由，允许创建工会联合会的对手，加强竞争。此外，TPP对最低工资也有要求。

　　6. TPP在很多成员国内部都饱受争议。

　　加拿大的大选在进行中，TPP协议是竞选者热议的话题之一。新民主党领袖Tom Mulcair表示，如果他所在的党赢得了大选，将不会推行TPP协议。TPP在美国也受到强大的阻挠。共和党党内选票领先者特朗普已经明确表态将反对TPP。美国劳工组织和环保组织对TPP协定持有明确的反对态度。周日，大量抗议者聚集在会议酒店门前，高喊“停止TPP”。部分民主党议员对奥巴马所谓的TPP协议将帮助美国工人的说法产生了怀疑，左翼阵营反对者要求民主党议员放弃支持该协定。

　　7. TPP将涉及汇率操纵问题，但只是蜻蜓点水。

　　在美国，汇率操纵是最受争议的问题之一。日元走弱，使丰田及其同行获得竞争优势。美国汽车业及其在美国国会中的支持者要求TPP协议将“禁止汇率操纵”纳入其中。美国汽车行业要求通过贸易制裁的方式来确保汇率协议的履行。

　　TPP成员国都是IMF成员，大多也在G20中。IMF以及G20，对成员国都有汇率方面的要求。《金融时报》援引知情人士透露，TPP将对成员国在汇率操纵问题上有更高的要求，包括单独和定期磋商。不过，禁止汇率操纵可能很难纳入到TPP的正式组成部分之中。TPP成员国财长及央行行长同意履行平行协议，不因为本国出口商的利益而推动货币贬值。然而，没有成员国希望通过贸易制裁来确保汇率问题的履行。

　　8. TPP可能产生什么问题？

　　TPP协议下，中产阶级工人可能面临更多额外低廉劳动的竞争，这一点对汽车行业特别适用。TPP协议对一些国家奶制品行业也有冲击。尽管ZF承诺在未来10年保护农场的现有收入，但依然面临很大阻挠。此外，当企业通过民主方式起诉时，ZF的决定可能在特别法庭被推翻。

　　只知道均值标准差、样本量，怎么进行两两比较

　　有了均值 标准差就可以进行变异系数的比较

　　有了均值 标准差 样本量（样本量大的话）可以做t检验

　　样本小的话如果符合正态分布或t分布也可作T检验

　　相关关系与因果关系的比较

　　两个完全不同的关系

　　相关关系一般做线性相关分析，取值为[-1,1]，不论截面还是时序都可做

　　因果关系目前流行的是格兰杰因果关系，适用于时序面板（长T），且这仅仅是统计意义上的因果关系。

　　怎么识别AR模型的阶

　　观察自相关系数：拖尾数即为AR阶数，截尾数即为MA阶数

　　观察偏相关系数：截尾数即为AR阶数，拖尾数即为MA阶数

　　这是从图形上看，最终还要依靠AIC来判断哪个最好

　　怎么用国际贸易理论解释产业内贸易现象

　　1．运输、信息、管理等手段的现代化，使以往只能在分工和协作有可能跨越国界形成产业内国际分工和协作。国之内进行的产业内

　　2.发达国家与发展中国家产业内贸易的发展具备了现实性条件，即生产的标准化、柔性制造系统的出现和发展，使得工厂的自动化设备不仅适用于发达国家的大型工业项目，而且可以生产适用于发展中国家的中小型项目，从而使技术和设备向发展中国家和地区的转移具有了可能。

　　3．产业内贸易的发展主要是集中在新产品和制成品的产业，而科技革命的发展，使世界市场的容量迅速扩大，商品的数量和种类不断增加，新产品不断涌现、制成品比重不断上升。

　　4．世界各国农业长期相对下降，发达工业国家的自给率不断上升，使得传统的农业和工业国的分工及初级产品和制成品之间的产业间贸易日益减弱，制成品的产业内贸易越来越为人们所重视。

　　5．发达国家的产业结构中“新兴产业”和“衰退产业”的差异日趋明显，由此带来的产业结构的调整和变革为产业内贸易的发展提供了广阔的前景。

　　请教大家关于跨国并购从哪个角度写比较有新意啊

　　要看你自身所处的专业角度了。如果是公司金融，那必然是公司金融理论的微观分析，行为金融这方面有很多前沿；如果是国际贸易，则是新新贸易理论带来的宏观影响。

　　求证明 资本劳动替代弹性大于1的情况下 收入分配不平等深化

　　百分之一单位的劳动可以换来超过百分之一单位的资本，这意味着劳动比资本更有价值，也就是支付给劳动力的工资要比资本报酬率高。在这种情况下，企业主选择更多的资本而不是劳动来生产产品，那么劳动力获得的收入减少，企业主获得的资本报酬增加，收入分配不平等深化。

　　因变量是0 1变量，为什么2阶段回归出来的系数大于1，如何解释。

　　要看模型本身了，计量模型现在有两种用途，一种在于解释识别，一种在于拟合预测。像你所说的因变量为虚拟变量的情况，一般是第一种用途的，这种情况下的系数大小本身并不存在非常强烈的经济含义，只能通过正负来判断相关性，通过相同自变量的系数大小来比较程度，等等。所以系数大于1本身不需要解释，有可能只是个单纯的量纲问题。

　　博弈论中的合同，信赖利益损害赔偿原则下的引发博弈有具体例子吗？不执行合同还能获得较好的收益感觉说不过去啊。回复原状赔偿原则引发博弈就感觉更实际些。谢谢指点啊

　　有很多的情况，比如赔偿形式的确定。因为很多资产本身存在时间的波动性，所以如果以它们作为资产抵押形式的话，只要在一段时间之后这些资产因为某些外在原因而发生大规模的贬值，那么不履行协议带来的赔偿执行反而更有利了。

　　问题1：请问同一年度的各项与价格因素相关的经济指标是否具有平减的必要性，如果有，意义何在？ 问题2：请问同一年度的各项与价格因素相关的经济指标平减后是否仍然会满足平减前名义量之间的数量关系，如果不存在这种数量关系，对于问题的研究是否会有影响？是否需要对其进行进一步的处理？如何处理？（以GDP为例：名义价格GDP=一产增加值+二产增加值+三产增加值，平减后是否仍然存在这种数量关系）

　　这个问题很有趣。平减是为了调整单位，因为不同时间中宏观总量的性质直接是无法比较的，必须要有一致的单位，并且去除其中的影响——比如说通胀——才能进行同一个宏观变量不同时间段之间的比较。从这个意义上来讲，只考虑单纯一个时间短内各个要素的指标，平减就没有必要。同时，这种平减意味着，是一个经济变量不同时间段的比较，而不是各个经济变量之间的比较，因此不具备统计意义上的加总意义。第二个问题的答案是否定的。

　　土地需求曲线为什么右下方倾斜？

　　这里涉及到效用论与厂商的生产和成本论之间的关系了。效用其实是对厂商生产函数的模拟，人的效用是无法度量的，但可以假设；新古典经济学中的效用函数，与厂商的生产函数，在数学形式上有任何的不同吗？它们的内在数理逻辑其实也是对应的。

　　哪怕你将土地的效用函数换成厂商的生产函数，也不过是将边际替代率换成了边际技术替代率，将产品换成了生产要素——依然无法改变土地需求曲线其内在逻辑的变化。厂商将土地作为一种生产要素，那么同样遵从边际递减规律，只不过是从边际效用递减规律变成了边际产量递减规律而已。这种情况下，作为产品的土地与作为生产要素的土地，在其价格与需求量之间的变化关系并没有本质的区别。需求曲线向右下方倾斜也是很正常的了。

　　最后，需要提醒，土地不光是一种生产资料，而是也是一种产品——房地产不就算是一种产品么？

　　小李与小王博弈，小李首先开始行动， 他可以选择 H 或者选择 L。 小王无法观测到小李的行为，但是他可以获得信号 h 与 l，并有如下分布：Pr(h|H)=p，Pr(l|H)=1-p， Pr(h|L)=q， Pr(l|L)=1-q， p＞0.5＞q。在观测信号 h 与 l 上，小王可以选择 A 或者 B， 矩阵为： 行动组合 小李的收益 小王的收益 HA 5 2 HB 2 1 LA 6 1 LB 4 2

　　(1)若 p=1， q=0，求小王的所有可能策略、 收益矩阵以及纯策略纳什均衡。

　　(2)若 p＜1， q＞0，求小王的所有可能策略。

　　(3)若 p=1， q＞0，求小王的所有可能策略

　　求这道题怎么解啊，或者给个思路，这里面的那个概率怎么用？是先验概率么

　　(1)p=1,q=0,Pr(h|H)=1,Pr(l|L)=1.因此，在小李选择H时，小王必定选择h；小李选择L时，小王选择l。那么小李与小王的收益组合只有HA与LB，比较一下，纳什均衡必然是HA。

　　(2)由于0 < q < 0.5 < p < 1，那么四个行动组合都是有可能存在的。假设小李以r的概率选择H，1-r的概率选择L。可以发现小王的期望收益为r*[2*p+1*(1-p)]+(1-r)*[1*q+2*(1-q)]=r(p+q-1)+2-q，而小李的期望收益为r*[5*p+2*(1-p)]+(1-r)*[6*q+4*(1-q)]=r*(3p-2q-2)+4+2q；而我们并不知道小李的选择概率，因此，要保证r在0到1之间的任何一个数值都是成立的。根据最佳反应函数方法，两个期望收益必然都要保证

　　p+q=1

　　3p-2q=2

　　这两个方程成立——此时可以保证r取任意[0,1]的实数都使得两个期望收益最大。因此p=4/5，q=1/5。

　　(3)由于p=1，0 < q < 1/2.根据(2)中的逻辑，可以发现p+q>1，3p-2q>2。因此小李必然选择r=1时的期望收益，此时他的收益是最大的。那么代入小王的期望收益可得p+1=2.此时小王不论选择怎么样的q，他的期望收益都是不变的。

　　为什么当实际产出超出潜在产出会造成通货膨胀？

　　产出增加，应该是价格水平下降吧，为什么会通货膨胀？

　　另：看到网上有人解答时说市面上流通的货币超出了它的实际需求量，从而影响了货币的贬值。为什么流通的货币增加了？

　　这个问题的出发点应该是总需求上升，而不是实际产出大于潜在产出，你这种提法是错误的。

　　首先要考虑实际产出是如何产生的。在AD-AS模型中，当由于总需求上升导致AD曲线上移时，总供给曲线不变的情况下，均衡的实际产出会大于潜在产出，而此时总物价水平上涨，也就是通货膨胀。所以这个问题的出发点在于总需求的上升，而不是实际产出超过潜在产出。这是一次典型的需求拉动型通货膨胀。

　　ppp模式的缺陷是否可以从私人组织本身的缺陷、ZF与私人组织的合作漏洞方向出发寻找，有没有更好的出发点？

　　从经济机制设计理论角度出发，可以涵盖所有设计出来的经济机制；从委托-代理问题或者激励问题出发，也能分析；从俘获理论角度也可以分析。等等。