1. 2019-06-15
6月15日最佳金句评选
收集人:玉芳
书籍《孩子:挑战》
1.规律让人有安全感。稳定的规律能够赋予孩子清晰感,继而产生真正的自由。P169
心欢
2.人类天生具有情感,情感是“行动燃炉”的燃料。P297
玲珑
3.孩子必须体会秩序和规则是自由的一部分,如果不守秩序,所有人的自由都会受到影响。P141程英小韩淑红 玉芳海雪
4.规律对于孩子来说就像房子的墙,赋予生活的界限和范围。P169
程英 玉芳 心欢海雪
5.每个孩子都有创造力的,每个孩子都有能力对自己的人生经历做出反应,每个孩子都可以塑造自己的性格。P399
6.妈妈,放松一点!如果孩子们真的有事,他们会让你知道的。374玲珑
7.孩子是一个独立的个体,可以为自己做选择、做决定P93
8、在人人具有平等意识的社会里,我们不能控制和命令别人。p16
9.我们对错误的强调具有灾难性的后果。p155
小韩
10.如果孩子们学不会忍受痛苦、挫折、伤害和不适,那么他们今后的生活将会阻力重重p 75
玉芳
11.孩子生活在这个世界里,需要学习尊重自然法则p 139
孩子必须体会秩序和规则是自由的一部分,如果不守秩序,所有人的自由都会受到影响。
今天这句金句本身就是一个非常重要的规则。规则和自由是一体两面的。缺乏规则,自由就失去了保障。就像失去了红绿灯,所有的车都会堵在路上。而失去了自由,规则也就失去了存在的意义。如果不允许我们自由地开车,红绿灯的存在也就没有了意义。所以,所有的人都需要在规则和自由之间寻找到一个平衡。而孩子就是在父母的约束和接纳之间学会找到平衡的。
很多人会把全然接纳误解为纵容和溺爱。其根本区别在于,全然接纳接纳的是情绪和情感,而不是行为本身。纵容是对不恰当行为无底线地放纵。
我今天之所以把第9句作为金句,是因为我对句子中“对错误的强调”这几个字有深刻的体悟。大部分的父母都把教育解读为对孩子错误行为的纠正。而纠正的方式大多是批评和指责,甚至是惩罚。从心理学的角度来说,所有的批评和指责,其实都在无意识中暗示孩子不够好。当孩子认同了这些批评和指责之后,他就会形成很低的自我评价。而未来,他克服困难、挑战未知的所有勇气和努力,都会和这个自我评价相关。所以,“对错误的强调”这样的教育方式,最大的灾难性就在于,它拉低了每一个孩子的自我评价,也就使得他们减弱或丧失了内在的力量感。
2. 2019-01-07 16:55
无缘无故就生气的三大星座
无缘无故就生气的三大星座,比较敏感多思的巨蟹始终全是很优柔寡断,一起非常没有安全感的一种人。她们无比期盼别人的关爱和问好,下面分析无缘无故就生气的三大星座有哪些。
2019-01-07 16:551 第一:巨蟹
比较敏感多思的巨蟹始终全是很优柔寡断,一起非常没有安全感的一种人。更是由于这般,她们无比期盼别人的关爱和问好。而当实际和想像中间产生了某些进出时,巨蟹们就会刚开始脑部另一方是否根本也不关注、不在意她们自身,进而自己刚开始生气。我觉得,巨蟹们应当不要想太多,学好单独,而并不是把自身说白了的归属感都信赖在别人手上。
亚军:天蝎座
沉稳的金花是12星座中最有体力的一种人,她们担心变化,要是事儿不触遇到她们的道德底线,金花们通常就是说闭一只眼睁一只眼就已过。而当金花把那份体力送到争吵上去,可就是说这件十分恐怖的事儿,而莫名其妙地生气这类事,金花们可经常干过。(情感问题资询能加老师手机/信:)
心思重的她们始终是一幅自身算是对的模样,当和他人争吵时,金花们就会忽然自己保持沉默,不想要再多一段话。
名次:摩羯座
毫无疑问,摩羯座的人最是喜欢想象,就好像活在童话王国里,有时候乃至分不清楚实际和想像。那样的她们,说的超好听点就是说单纯性没有心计,而如果说的不好听了,就是说软弱躲避,没有当担的。
冲着全球拥有幸福的期待虽然是事情,可是衣食住行除开诗与远方,大量的确是眼前的苟且。当实际和想象间差别很大时,双鱼们就会刚开始闹脾气,稍有不如意就会刚开始发脾气,经常让别人大跌眼镜。
2019-01-07 16:552 经常无缘无故生气,喜欢无理取闹的三大星座女
“宝贝,又生气了......”可能很多男同胞们在和女友相处的时候,都会遇到这种情况,如果女友是个知书达理的还好,生气归生气,只要咱们认真认错,有理有据的说明道理,她们还是很快会理解和消气的,不过怕就怕遇到那种蛮不讲理、无理取闹的女友了,那真是能折磨的你痛苦到天明。下面老陈就偷偷告诉你,什么星座的女生生气后不好哄哦。
水瓶女
水瓶座的.女生总是喜欢奇思妙想,也经常为了这种奇思妙想而突然生气,作为水瓶座女生的男友还真是得心够大,否则的话一定会被她们气疯的。举个例子,例如说她们昨天晚上做了一个奇葩的梦,然后今天就会开始生气,你说气人不气人......
狮子女
狮子座的女生比较情绪化,有一点不顺心的事发生,那必然会带来自己情绪的爆发。无理取闹,不理不睬,嘟嘟囔囔那都是家常便饭,在这个时候不管是谁安慰都白费,只能等她们自己慢慢消气了。等她们消气以后你问问原因后,你就会哭笑不得了,因为她们生气的原因很简单,就是因为自己变胖了......
白羊女
白羊座女生生气还真是毫无征兆,想生就生啊,当她们生气的时候,你根本摸不着头脑,你会感到莫名其妙,不知所措,最可怕的就是她们基本不会给你解释的机会,发起脾气来基本停不下来,就算她们能够大发慈悲的静下心让你问问生气的原因,你听后也会郁闷至极,因为她们生气的理由太奇葩,不是没吃饱就是没吃好,就和吃有关......
找一个爱生气的女友需要勇气,找一个无缘无故就生气的女友更需要勇气,你的勇气如何?
3. 2019-05-17
读沈从文《烛虚》有感
一天下午,作者骑着一匹马,向田野走去。看到风景秀丽,景色宜人,正在马上凝思,思考生命自然历史与文化种种。突然,从后面赶来,两个二十岁左右大学生,她们骑着马,一边谈笑,一边在吃梨,忽然,其中一个把吃的水淋淋的梨核向同伴掷去,那同伴笑着一闪,却不偏不倚的打在作者身上。两个女学生看到,笑嘻嘻的骑马向前跑了。作者写到:把眼前的自然景物和人事情景两相对照,使我感觉到一种痛苦。一个人天生两只眼睛一张嘴,意思正似乎要我们多看少吃,这些近代女子做的事,仅恰恰违反自然的恩惠。
沈大师的调侃让人忍俊不禁。反观我自己,面对食物的诱惑,每每都败下阵来,每次嚷嚷着要减肥,但每一次,又都是又一次减肥的开始。在食物面前没有自制力,没有原则,就无法做到克己复礼。
书中写到,有一个大学生年纪二十二岁,上二年级。她读的是英文,但这个学生也不知道,为什么自己要读英文系。追求衣服的时新,享受男同学的赞美,金钱大部分用在吃食,最小部分用来买书。一切知识似乎只能同考试发生关系,决不能同生活发生关系。做人无信心,无目的,无理想,正好像二十年前有人为她们争求解放,已解放了,但事实上,她并不知道真正要解放的是什么。
作者说:现代教育特点,事实上,应当称为弱点改造运动,必须从修正这个弱点着手。在自然美方面,还能够有兴致欣赏,且知道把从书本吸收一切人类广泛知识看成是生命存在的特别权力。不仅是当做学校或者爸爸派定的义务。扩大母性爱,对人类崇高美丽观念或现象,充满敬慕和与倾心,对是非好恶反应特别强,对现代社会妇女堕落与腐败,能认识又能避免,对做人兴趣特别浓厚,也特别热诚,换言之,就是她既已从旧社会不良习惯观念中解放了出来,便能为新社会建立一个新的人格的标准。她不再是自然物与人类社会关系上,仅仅在性的注定工作方面,尽生育任务,从这种义务上讨生活,以得人怜爱为己足。她还可以单为作一个“人”,用人的资格,好好梳理她的头脑,运用到较高文化各方面去,放大她的生命与人格,从书本上吸收,同时也就创造,在生活上学习,同时也就享受。
作者希望,这种新女性能够在新社会的大学校园里面陆续发现。
看完沈大师的文章,感慨良久,十分惭愧。反观我自己,作者所提出的中国新女性的种种现象,百年之后,在我自己身上也存。其中之一,学习只是为了应付考试,“无信心,无目的,无理想”,这九个字振聋发聩。想想在我的学习生涯中,也没有什么明确的目标,好像就是为了考大学,考完大学之后,就不知道什么了。
反观我自己,也是一个生活,没有目标,没有梦想的人。这几十年来,自己看过的书,真的是少得可怜。在能力方面,十年前的自己和现在并没有什么差别。读书有什么用呢?我自己的一点小感悟,是读书让我们不孤单。世界上没有两片相同的叶子,但是却有两片相似的叶子。我们身处在一个群体当中或者在家庭当中或者在周围的工作环境当中。当我们的兴趣爱好、性格特点和周围人有很大不同时,一种孤独感就会漫上心来。但是,在书里我们就会发现,地球上曾经有那么一些人,他们和我们的经历想法类似。看看他们走过的路,他们的喜怒哀乐悲欢离合,他们曾经的痛苦挣扎,我们忽然就有一种熟悉感,归属感。
人世间的道理,前人都已经说尽了。有时候我们不明白,可能是我们没有经历过。沈大师的文章让人有一种三天三夜无法入睡,一读,再读的渴望,每读一次,羞愧又加深一分。
4. 2019-05-16
村上春树说:“人生而孤独所以无法相互理解,所谓交流只不过互相寻求安慰。”
正因为我们生而孤独,所以我们总是有着倾诉和交流的冲动。
然而,如鲁迅所说,“人类的悲欢并不相通”。
人越长大,越是喜欢把情绪藏起来;人越长大,越学会隐藏与忍耐,渐渐发现自己不再是世界的中心,任何困扰都能够自我消化,不再需要那些所谓的喧嚣与表达。
人长大的过程,其实是一个不断剔除内心脆弱、敏感、自私等弱点的过程,经历这程后,渐渐地变得什么事情都能理解与接受。随着时间的推移,我们会慢慢减少从社交媒体上获取安全感的需求,取而代之的是从实际生活中获得内在的满足与成就。
有时候会觉得,从前那个喜欢到处发朋友圈的自己,除了想让别人知道自己在干嘛以外,更多的是一种缺乏安全感的表现。只有通过那一个个点赞与评论,才能感受到周边人的关心,才能找到部分安全与归属感。
然而,朋友圈只是一个情感宣泄口,它并非生活的全部。少发动态,也绝非生活不够精彩;不愿意发,也只是觉得生活是自己的,认真过好每一天就够了。
朋友圈,你发或不发,多发或少发,那都是你的自由。
朋友圈里的状态,发得开开心心就好;朋友圈外的日子,过得热气腾腾就好。
5. 2019-06-23
6月17日至21日,2019年度山东省市、县(区)美术教研员教学研讨活动在美丽的风筝之都潍坊市——峡山双语小学隆重举行。来自全省市、县(区)美术教研员和骨干教师500余人相聚一堂,共同聆听专家对核心素养的深度解读,探寻美术学科核心素养如何落地课堂;共享潍坊丰硕的美术教育成果,共赴丰富多彩的美育课堂。
教育部基础教育课程教材专家委员会委员、教育部美术课程标准研制组核心成员、上海师范大学美术学院教授、山美版普通高中美术教材设计分册主编王大根、山东省教育科学研究院副院长宋树杰、潍坊市教育科学研究院院长李庆华、潍坊市峡山区教体局局长张少军等领导出席开幕式。
17日上午,教育部基础教育课程教材专家委员王大根教授作《核心素养本位的美术教学设计》报告。
王教授阐述了核心素养的本质和五大美术核心素养,还分析了核心素养本位的美术教学特点,即“素养来自于实践,实践必须根植于情境”。并通过具体的实例让我理解了素养、实践和情境之间的关系及对课堂教学的有效生成。他还以《艺术心灵之旅-向大师学肖像》这一教学实验成果来展示了核心素养下的美术教学有着蓬勃的生机和发展活力。UbD教学的逆向式设计给我在教学设计有了很大的启发!他讲解的“学科大概念”我还没有完全领悟,但我对真实性学习成果、引导学生深度学习和真实性的评价方案及设计学习工具有了思考和实践的方向! 下午,青岛市教科院魏世建老师以《以大美育观推进美术学科核心素养行动研究》为题、潍坊市教科院陈丽辉老师以《美术教育持续发展中的“潍坊特色”》为题、东营市教科院卞全照老师作《聚焦学科核心素养深入推进课堂改革》为题、潍坊峡山双语小学执行校长韩相福作《 i 艺术—触及每一个灵魂》为题,分享了他们引领老师们开展美术课堂研究的经验,在核心素养的环境下,回归美术课堂的本质审美的感受,在不断地思考和实践中总结探索出了适合自己、并具有各地文化特色底蕴的课堂之路。
18号上午,教育部艺术教育委员会常务委员孔新苗教授用幽默风趣的语言和求真务实的态度,以《核心素养下的高中美术教学变革1.0》为题导向核心素养如何落地。他用大家熟悉的“路考”来分析新教学中知识、技能、能力和素养的整合,注重核心素养真正落到课程设计里。他提出教师应如何教:一是紧紧把握学科素养目标,强调从课程标准到课堂目标的叙写;二是设计深度学习;三是采用大单元备课,保障“目标贯彻”;四是变“教材内容”为“教学内容”。另外他也对设计有效的评价进行了全面深入的研究和讲解,他说:设计评价=把握素养。
会议期间还进行了“潍坊市美术教育成果展”,反响热烈。从一件件精美的作品到别具匠心的展区布置,处处彰显着深厚的地区文化特色传承、创新的美术表现形式、丰盈的思想和正能量的价值体现……
6. 2019-06-14
THANKSGIVING
脚是人体工作最勤奋也最被人忽视的一个部位。
每天一个人平均要走八千至一万步,一个人一生累计走的路可以绕地球四圈。
——村上春树
一起来看看关于脚的那些事吧~
1、组成脚的骨头约占人体所有骨头的四分之一
每只脚由26块骨头组成,比每只手少一块。我们出生的时候这些骨头大多是软骨。脚上的骨头只有在我们长到21岁左右才会完全变硬。
1
2、人类早就在穿鞋
四万年前的人类在光脚走路。现存最古老的鞋子来自5500年前,它在亚美尼亚人的山洞里被人发现。
3、大脚趾在某种程度上是脚的拇指
大脚趾能帮助我们的祖先爬树。感谢现代科学,如果你失去了拇指,你可以用脚趾来替换。
如今将脚趾移植成手指已经是很常见的手术了。
4、爱尔兰有个奶酪展览,奶酪原料包括脚上的细菌。
温暖多汗的脚是细菌最理想的家,而细菌很擅长培育奶酪。
2013年都柏林一场展览展示了各种用人们脚上、腋窝和肚脐处收集到的细菌做成的奶酪。
4
5、脚是人们身上最怕痒的一个地方
人类的脚上约有8000条神经,脚的皮肤附近有许多神经末端。
脚怕痒也是一个很好的指标:脚怕痒的程度减轻说明可能出现某种神经病变。
6、脚给糖尿病人带来了大麻烦
糖尿病人血液循环不良,神经遭受损伤,这会导致严重的皮肤溃疡,严重时甚至需要切掉脚趾乃至截肢。
7、一个人一生平均要走16万公里路程
我们的脚承受了很多压力。不稀奇的是,背痛、头痛、消化不良和脊柱错位或多或少都与我们的足部问题有关。
有些跑步者走过的路程远不止这么多,他们至少在马拉松里跑了16万公里。Herb Fred这位赛跑者已跑了约40万公里。
8、老人的脚趾甲长成那样是有原因的
是否曾听闻有人将他们的脚趾甲戏称为“马蹄”?
随着年纪增长,我们的脚趾甲也会变厚,变得更难剪。这是因为脚趾甲的生长速度会随年纪变慢,导致趾甲细胞堆积。
剪趾甲、不合脚的鞋以及不小心把东西掉在脚上也会使你的脚趾甲变厚,同时导致真菌感染和周边动脉疾病,导致动脉变窄,流向肢体的血液变少。
9、有个吉尼斯世界纪录叫闻过最多脚和腋窝
15年来,Madeline Albrecht工作的俄亥俄州某实验室一直在为爽健测试产品,她闻过了5600多只脚和数不清的腋窝。
最近她成为了世界上闻过最多脚和腋窝的人,创下吉尼斯世界纪录。
7. 2019-06-14
够你笑一整晚
01
回头率
有对夫妻去逛商场,妻子看中了一个七千块的包,丈夫难以置信:“这包看着和七十块的根本没有差别,居然要七千!你要是买七十块的,都可以买一百个了。”
妻子连忙说:“当然有差别,背上这个七千块的包,走在街上,回头率会特别高。”
丈夫瞪了老婆一眼:“你背一百个七十块的包,回头率会更高!”
02
吃货的世界
有个老师,上课时在黑板上画了很多图案,让学生们联想是什么。小明怎么联想都离不开吃的,老师就又画了个圆,让小明再联想一次,并要求不许说与吃有关的东西。
小明想了又想,说:“老鼠洞。”
老师问:“为啥想到老鼠洞?”
小明说:“里边有好多吃的,像坚果啊、花生米啊、爆米花啊……”
睡前10个笑话,够你笑一整晚了
03
请 客
表弟来做客,大友信誓旦旦地说要请他大吃一顿。中午,大友就带着表弟进了一家店,大声说:“老板,你这儿有没有鲍鱼、龙虾呀?”
老板笑着说:“有啊!”
谁知大友突然变了脸:“什么?你这儿竟然还卖这个?太不正规了……走吧,表弟,我们去别的地方吃。”说着,大友就拉着表弟离开了这家沙县小吃店。
04
无边无际
七岁的儿子见到了盼望已久的大海,激动了好一会儿。可没过多久,他对妈妈说:“妈妈,你不是说大海无边无际吗?”
妈妈点头道:“是呀!”
儿子很疑惑:“但我们怎么站在大海的边上呀?”
睡前10个笑话,够你笑一整晚了
05
照 相
小李在照相馆拍了一组照片,可他很不满意,就跟女友抱怨说:“他们怎么把我照成这个样子!”
女友连照片都没看,就说:“长什么样,就照什么样呗!”
小李气鼓鼓地说:“难道我长得模模糊糊吗?”
06
一生都在奋斗
这天,小丽和闺密聊天,谈起奋斗目标,小丽说:“30岁以前,我要为找到一个可以让我不用奋斗的男人而奋斗。”
闺密问:“那30岁以后呢?”
小丽说:“还要继续奋斗啊,为了提防那些希望不用靠自己奋斗的女人。”
睡前10个笑话,够你笑一整晚了
07
相 亲
阿强去相亲,对女孩很满意,就问她要电话号码,可女孩不太满意,说:“不好意思,我手机坏了。”
阿强明白女孩的意思,但并没有退缩,反而拉起她的手说:“走,买手机去。”
08
聪明的女人惹不起
妻子出差回来,怒气冲冲地责问丈夫:“你怎么把别的女人带到家里来了?”
“我谁也没带啊!”丈夫辩解。
老婆又问:“还记得我在哪儿工作吗?”
丈夫说:“不就是在医学实验室嘛!”
“我在咱们的卧室里抓到了一只蚊子,可蚊子肚子里的血根本就不是你的!”
睡前10个笑话,够你笑一整晚了
09
生发水
一位顾客对售货员大发雷霆:“自从我用了从你们这里买的生发水后,我的头发全掉光了!”
售货员眨了眨眼睛,面不改色地说:“头发掉光就对了,您想呀,先生,要在玉米地里种韭菜,就必须先将老玉米秆除去,要想长出新头发,也必须得先给它腾地方呀!”
10
妙 计
老公:“老婆,我不想让别人看到我的双下巴,又不想减肥,怎么办啊?
8. 2019-05-17
广义矩估计 (Generalized Method of Moment, 简称 GMM) 是一种构造估计量的方法,类似于极大似然法 (MLE) 。MLE 通过假设随机变量服从特定的分布,进而将待估参数嵌入似然函数,通过极大化联合概率密度函数得到参数的估计值。GMM 则是以随机变量遵循特定矩的假设,而不是对整个分布的假设,这些假设被称为矩条件。这使得 GMM 比 MLE 更稳健,但会导致估计量的有效性有所降低 (估计出的标准误比较大)。
其中, N表示样本数, 表示y的第i个观察值 。此处,估计量 被称为矩估计量(the method of moments estimator),简称MM估计量。这是因为,该估计量的构造以母体矩条件(population moment condition)为基础,进而用其样本矩条件(依赖于我们使用的数据)做等价代换。因为我们从总体矩条件开始,然后运用类比原理得到一个依赖于观测数据的估计量。
我们想要估计随机变量 的均值,即 ,其中“母体矩条件(PMC)”为: , 为从这个母体中随机抽取的一组样本观察值,则对应的“样本矩条件(SMC)”为 。因此,我们可知母体矩条件的样本均值估计为: ,样本矩条件的样本均值估计为: 。
例子:自由度为k的 随机变量的均值为k,方差为2k,因此两个母体矩条件(PMC)如下:
(1a)
(1b)
这个母体中随机抽取的一组样本观察值 ,对应的样本矩条件(SMC)为:
(1a)
(1b)
矩估计法是用样本的k阶矩作为总体的k阶矩的估计量,建立含待估计参数的方程,从而可解出待估计参数。
一般地,不论总体服从什么分布,总体期望 与方差 存在,则根据据估计法,它们的矩估计量分别为:
OLS估计是矩估计的一种形式。OLS估计的公式为: ,其中 与 不相关,则有 。
因此, ,其中 是母体矩条件,对应的样本矩条件为: ,求解即可得到OLS估计下的 。
工具变量法(IV)是为了解决一个违反经典假设问题而设计的,假设条件是:解释变量与随机扰动项不相关。如果出现了违反该假设的问题,就需要找一个和解释变量高度相关的、同时和随机扰动项不相关的变量。要注意的问题是,工具变量的设定除了上述两个条件以外,工具变量的个数至少要大于或者等于解释变量的个数,常数项是默认的工具变量,和随机扰动项不相关的解释变量也可以作为工具变量。
工具变量是矩估计的一种形式。假设公式为: ,根据公式可得: ,取得工具变量为 ,其中 ,得到 ,则 , 为母体矩条件,对应的样本矩条件为: ,求解即可得到工具变量估计下的 。
GMM估计中,假设待估参数的个数为k,矩条件的个数为l:
1.恰好识别(just or exactly identified):当k=l时,即待估参数的个数等于矩条件的个数;
2.过度识别(overidentified):当k<l时,即待估参数的个数小于矩条件的个数。
GMM 是矩估计(MM)的推广。在恰好识别情况下,目标函数的最小值等于 0 ,GMM 估计量与 MM 估计量等价;然而在过度识别情况下,MM 不再适用,GMM 可以有效地组合矩条件,使 GMM 比 MM 更有效。在GMM估计中,母体矩条件为: ,样本矩条件为: ,通过求解样本矩条件得到GMM均值估计: 。
两阶段最小二乘法其本质上是属于工具变量,回归分两个阶段进行,因此而得名。具体机理是:
第一步,将结构方程先转换为简化式模型(约简型方程),简化式模型里的每一个方程都不存在随机解释变量问题,可以直接采用普通最小二乘法进行估计。
第二步,由第一步得出的 的估计量替换 。该方程中不存在随机解释变量问题,也可以直接用普通最小二乘法进行估计。
例子:一般IV回归模型为:
(a)
其中:
以单内生回归变量的2SLS为例,当只有一个内生回归变量X和一些其他的包含的外省变量时,感兴趣的方程为: (b),其中同前 可能与误差项相关,但 与误差项不相关。
2SLS的总体第一阶段回归将X与外生变量W和工具变量(Z)联系在了一起:
(c)
其中 为未知回归系数, 为误差项。
在2SLS的第一阶段中,可用OLS估计(c)式中的未知系数,并记由该回归得到的预测值为 。在2SLS的第二阶段中,用OLS估计 用第一阶段的预测值替换后的(b)式。也就是用OLS估计 关于 , 的回归。得到的 估计量就是2SLS估计量。
当存在多个内生回归变量 时,除了每个内生回归变量都需要自己的第一阶段回归以外,2SLS的算法是类似的。其中每个内生回归变量的第一阶段回归形式同(c)式,即因变量是某个X,回归变量是所有工具变量(Z)和所有包含的外生变量(W)。所有这些第一阶段回归一起得到了每个内生回归变量的预测值。
在2SLS的第二阶段中,用OLS估计内生回归变量( )分别用其预测值( )替换后的(a)式。得到的 估计量即为2SLS估计量。
上面提到了,只有恰好识别和过度识别才能用IV方法估计。假设待估参数的个数为k,矩条件的个数为l。当 时,称为“恰好识别”,当 时,称为 “过度识别”。
一个很重要的命题是:只有过度识别情况下才能检验工具变量的外生性,而恰好识别情况下无法检验。具体思路如下:工具变量的外生性意味着它们和 不相关。这表明工具变量和 近似不相关,其中 为基于所有工具变量的2SLS回归估计残差(由于抽样变异性因此是近似的而不是精确地,注意到这些残差是利用X值而不是用其第一阶段的预测值得到的。)于是,如果工具变量事实上是外生的,那么 关于工具变量和包含的外生变量回归中工具变量的系数都应该等于零,而这个假设是可以检验的。
过度识别约束检验(J统计量),又称为Sargan统计量。令 为来自(a)式2SLS估计的残差。利用OLS估计下面的回归系数:
(d)
其中 为回归误差项。令F表示检验假设 的同方差适用F统计量。则过度识别约束检验统计量为 。如果 是同方差的,则在所有工具变量都是外生的原假设下, 服从 分布,其中 为“过度识别度”,也就是工具变量的个数减去内生回归变量的个数。
在Hansen、Singleton(1982)的经典文章中,他们基于消费的资产资本定价模型分析了资产随时间的移动。在他们的非线性理性预期模型的一个稍微简单的版本中,代表性最大化的期望贴现寿命效用为: ,其中受到的预算约束为: , , 其中 为 时刻的阶段性消费, , , 是相应到期的价格、数量和资产收益, 是实际工资并且 是时刻t的代理信息集。Hansen和Singleton使用一个恒定的相对风险厌恶效用函数 ,因此优化问题的一阶条件是 ,这个看起来像一个母体矩条件但是目前的问题是我们有两个参数 , 只有一个矩条件。但是,对任意向量 ,通过一个迭代的条件期望参数Euler方程变成 。
因此,从理论上讲,该模型是通过时刻t已知的任何代理变量来识别的,比如 或者 ,并且能够利用GMM方法一致的估计。与此相反,该模型的极大似然估计需要精确地指定变量的条件分布和大量的数值积分,这些都是计算上的负担。
(1)在stata中,gmm的一般命令形式为:
gmm ([reqname1:]rexp_1) ([reqname2:]rexp_2)…[if] [in] [weight] [,options]
其中:
1. reqname_j 代表第j个剩余方程的表达式
2. rexp_j 是第j个残差方程的可替换表达式
(2)在stata中,gmm的矩估计命令形式为:
gmm moment_pro [if] [in] [weight],
{equations(namelist) | nequations(#)}
{parameters(namelist) | nparameters(#)} [options]
[program_options]
1.moment_prog是矩估计评估形式
(1)和(2)中的 options 选项为:
1. derivative([reqname|#]/name=dexp_jk) 指定reqname(或#)对参数名的导数;可指定多于一次。
2. Instruments
3. Weight matrix
4. SE/Robust
5. Reporting
6. Optimization
在对gmm命令的一般形式有了解之后,此处举个简单的案例来进行gmm的分析。以stata自带的数据auto.dta为例,进行以下的GMM实验:
(1)简单线性回归的GMM
stata操作为:
sysuse auto,clear
gmm (mpg - {b1}*gear_ratio - {b2}*turn - {b0}),instruments(gear_ratio turn)
结果如下:
(2)利用线性组合的简单线性回归GMM
stata操作为:
gmm (mpg - {xb:gear_ratio turn} - {b0}), instruments(gear_ratio turn)
结果如下:
(3)两阶段最小二乘(与 ivregress 2sls 相同)
最小二乘法的stata操作为:
ivregress 2sls mpg gear_ratio (turn = weight length headroom)
结果为:
相应GMM的stata操作为:
gmm (mpg - {b1}*turn - {b2}*gear_ratio - {b0}), instruments(gear_ratio weight length headroom) onestep
结果如下:
(4)两步GMM估计(与ivregress GMM相同)
两步GMM估计的stata操作为:
ivregress gmm mpg gear_ratio (turn = weight length headroom)
或者 gmm (mpg - {b1}*turn - {b2}*gear_ratio - {b0}), instruments(gear_ratio weight length headroom) wmatrix(robust)
当然GMM更有名的应用是在动态面板的估计上,我们可以使用xtabond估计动态面板。以stata自带的数据abdate.dta为例,进行实验:
webuse abdata,clear
xtabond n L(0/1).w L(0/1).k, lags(1) noconstant vce(robust)
结果如下:
用GMM的形式可以表示为:
gmm (D.n - {rho}*LD.n - {xb:D.w LD.w D.k LD.k}),
xtinstruments(n, lags(2/.)) instruments(D.w LD.w D.k LD.k, noconstant)
deriv(/rho = -1*LD.n) deriv(/xb = -1) winitial(xt D) onestep
结果如下:
在计量经济学方法研究以及应用中,一般需要恰好识别或者过度识别,虽然过度识别的情况比较多一些,另外这是进行工具变量法的必要条件;若是出现过度识别,则需要进行过度识别检验,也称为Sargen-Baseman检验。
该假设的条件为所有有效的工具变量的个数与内生解释变量一样多,或者说是这个所有的工具变量都是外生的。
GMM中过度识别的命令为 estat overid 。
若是Sargen-Baseman检验的统计量对应的p值大于0.05,则认为所有的工具变量都是外生的,也就是有效的,反之则是无效的。(原假设是所有工具变量是外省的,若是p值小于0.05,则拒绝原假设)
此处用stata自带数据auto.dta来进行试验:
sysuse auto,clear
ivregress gmm mpg gear_ratio (turn = weight length headroom),wmatrix(robust) small
estat overid
结果如下:
回归时的结果为
过度识别检验(Sargen-Baseman检验)的结果
根据结果可知,Sargen-Baseman检验统计量对应的p值大于0.05,所有的工具变量都是外生有效的。