第9章模型设定和数据问题的深入探讨.pptVIP

第9章 模型设定和数据问题的深入探讨 1.函数形式误设 当一个多元回归模型不能正确地说明被解释变量和观察到的解释变量之间的关系时，此模型存在函数形式误设问题。 误设一个模型的函数形式可能产生严重的后果。我们得到的局部效应的估计量可能有偏或不一致。 一种方法：向模型加入任何重要变量的二次项，进行一个联合显著性检验（F检验） 例9.1 犯罪的经济模型 被解释变量：Narr86（1986年被捕次数） 解释变量： pcnv 以前被定罪比例 avgsen 平均判刑期限，单位：月 tottime 18岁以来的服刑时间，单位：月 Ptime86 1986年的服刑时间，单位：月 Qemp86 1986年被雇佣季度数 inc86 1986年合法收入，单位：百美元 black 如果是黑人，black=1 hispan 如果是西班牙裔，hispan=1 首先我们将被解释变量向解释变量回归，不包含任何平方项 Use crime1 reg narr86 pcnv avgsen tottime ptime86 qemp86 inc86 black hispan 加入重要变量的平方项reg narr86 pcnv pcnvsq avgsen tottime ptime86 pt86sq qemp86 inc86 inc86sq black hispan 加入平方项以检测函数形式误设 如果原模型满足假定MLR.4，那么在方程中添加自变量的非线性关系应该是不显著的 在例9.1中添加了显著的二次项，检验出函数形式误设定 如果原模型中有许多解释变量，使用掉大量自由度缺失 添加二次项也不能得到被忽视的某种特定非线性关系 对函数误设定的一般检验：RESET 回归设定误差检验RESET 在原模型中添加OLS拟合值的多项式，以侦查函数形式误设定 大多数的研究表明平方项和三次项很有用 估计y = b0 + b1x1 + … + bkxk + d1?2 + d1?3 +error，并检验 H0: d1 = 0, d2 = 0 ，用F统计量或LM统计量 一个显著的F统计量说明函数形式可能存在问题 在零假设和G-M假定下， F的分布大样本近似为F2,n-k-3分布；也可以用LM型检验 例9.2 住房价格方程 Use hprice1.dta assess （评估价，单位：千美元） price （房价，单位：千美元） lotsize （土地的面积，单位：平方英尺） sqrft （房屋的面积，单位：平方英尺） bdrms （卧室数） 原函数存在函数形式误设定 reg price lotsize sqrft bdrms predict double r1 gen double r2=r1*r1 gen double r3=r2*r1 reg price lotsize sqrft bdrms r2 r3 test r2 r3 我们在5%置信水平不能拒绝9.5式 reg lprice llotsize lsqrft bdrms predict lphat gen lph2=lphat*lphat gen lph3=lphat*lph2 reg lprice llotsize lsqrft bdrms lph2 lph3 test lph2 lph3 使用RESET的注意事项 RESET在探测非线性形式的函数误设时很好用，而不是一般的遗漏变量 Wooldridge在1995年证明：当被遗漏变量的期望值是所包含自变量的线性函数时，RESET无法探测出遗漏变量问题 尽管如此，如果被遗漏变量的期望是自变量的非线性形式时，一个显著的RESET可以指出遗漏变量问题 也要注意到，RESET检验的一个缺陷是，当零假设被拒绝后，它并不能建议我们下一步怎么做 对非嵌套模型的检验 下面哪一个模型更好？ Mizon and Richard (1986): 构造一个综合模型，将每个模型都作为一个特殊情况包含其中，然后检验导致每个模型变的约束。 Davidson and MacKinnon (1981) 如果（9.7）正确，那么从（9.6）得到的拟合值在（9.7）中应当不显著。 为了检验（9.7），我们首先通过OLS估计模型（9.6）以得到拟合值。 将得到的拟合值作为另外的解释变量放到（9.7）中，用t统计量检验其显著性。 非嵌套检验注意问题 不一定会出现一个明显好的模型。两个模型可能都被拒绝，也可能没有一个被拒绝 在后一种情形：我们可以用调整R2来判断 前一种情形：如果关键自变量对y的影响没有多大差异，使用哪个模型