5 专门问题.ppt

估计得到 讨论：定序定性变量可否按照状态赋值？ 例如：表示居民对某种服务的满意程度，分5种状态：非常不满意、一般不满意、无所谓、一般满意、非常满意。在模型中按照状态分别赋值0、1、2、3、4或者－2、－1、0、1、2。 被经常采用，尤其在管理学、社会学研究领域。 正确的方法： 设置多个虚拟变量，理论上正确，带来自由度损失。 以定性变量为研究对象，构造多元排序离散选择模型，然后以模型结果对定性变量的各种状态赋值。但需要更多的信息支持。 赋值的方法等于是对虚变量方法中的各个虚变量的参数施加了约束，而这种约束经常被检验为错误的。 讨论：虚变量与状态的不同对应关系对估计结果有无影响？ 例3.2.2中引入经济区位因素：东、中、西 例5.2.2 发电量主要取决于电力部门固定资产，而固定资产是由历年的投资形成的，适合于建立分布滞后模型。 由于无法预知电力行业基本建设投资对发电量影响的时滞期，需取不同的滞后期试算。经过试算发现，在2阶阿尔蒙多项式变换下，滞后期数取到第7期，估计结果的经济意义比较合理。 估计2阶阿尔蒙多项式模型： 计算分布滞后模型参数估计值，进而得到分布滞后模型估计式 ： 线性模型与双对数线性模型的选择（仅供有兴趣的同学自学） 对于同阶单整的非平稳序列： 理论上讲不能直接采用。 经过差分以后采用，经济意义发生变化。 模拟试验表明，当2个序列逐渐由平稳过程向非平稳过程过渡时，检验存在因果关系的概率出现一定程度的上升。但上升幅度远小于2个序列之间因果关系的显著性增强时所引起的上升幅度。 同阶单整非平稳序列的Granger因果检验结果具有一定的可靠性。 Granger因果检验是必要条件，不是充分条件。 数据 检验结果 统计检验必须建立在经济关系分析的基础之上，结论才有意义。 §5.3 模型设定偏误问题 Model Specification Error(Bias) 一、模型设定偏误的类型 二、模型设定偏误的后果 三、模型设定偏误的检验 一、模型设定偏误的类型 Types of Specification errors(bias) Omission of a relevant variable(s) Inclusion of an unnecessary variable(s) Adopting the wrong functional form Errors of measurement Incorrect specification of the stochastic error term To distinguish between model specification errors and model mis-specification errors 1、相关变量的遗漏（omitting relevant variables） 例如，如果“正确”的模型为 而我们将模型设定为 即设定模型时漏掉了一个相关的解释变量。 这类错误称为遗漏相关变量。 2、无关变量的误选 (including irrevelant variables) 例如，如果“真”的模型为 Y=?0+?1X1+?2X2+? 但我们将模型设定为 Y=?0+ ?1X1+ ?2X2+ ?3X3 +? 即设定模型时，多选了一个无关解释变量。 3、错误的函数形式 (wrong functional form) 例如，如果“真实”的回归函数为 但却将模型设定为 二、模型设定偏误的后果 1、遗漏相关变量偏误（omitting relevant variable bias） 如果X2与X1相关， ?1的估计量在小样本下有偏，在大样本下非一致。 如果X2与X1不相关，则?1的估计量满足无偏性与一致性；但这时?0的估计却是有偏的。 随机扰动项的方差估计也是有偏的。 ?1估计量的方差是有偏的。 2、包含无关变量偏误（including irrelevant variable bias） 对包含无关变量的模型进行估计，参数估计量是无偏的，但不具有最小方差性。 3、错误函数形式偏误（wrong functional form bias） 产生的偏误是全方位的。 三、模型设定偏误的检验 1、检验是否含有无关变量 检验的基本思想:如果模型中误选了无关变量，则其系数的真值应为零。因此，只须对无关变量系数的显著性进行检验。 t检验：检验某1个变量是否应包括在模型中； F检验：检验若干个变量是否应同时包括在模型中。 2、检验是否有相关变量的遗漏或函数形式设定偏误 残差图示法 残差序列变化图 （a）趋势变化 ：模型设定时可能遗漏了一随着时间的推移而持续上升的变量 （b）循环变化：模型设定时可能遗漏了一