模型设定：.pptVIP

模型设定问题 模型设定错误 模型设定错误有广义和狭义两种情况 狭义的错误指模型设定出现丢失重要解释变量、包括不必要的解释变量、解释变量存在测度误差等情况； 广义的错误还包括多重共线性、残差项出现异方差或序列相关等情况。 当出现模型设定错误时，利用OLS方法得到的参数估计不再具有最小方差和无偏性质。 计量经济模型实际上是对变量经济关系因果性的一个假定或假想。若模型的设定是正确的，那么，对模型的估计和检验相对而言就比较简单。 然而，事实上我们对一个计量经济模型的设定正确与否通常不可能有十足的把握。 在应用研究中，我们在模型设定时通常包括以下具体内容： 模型中解释变量的构成 模型的函数形式 有关随机误差项的假定 如果这些设定与客观实际不一致，利用计量经济模型来描述经济变量关系时，就会产生误差（偏差），我们把这种误差称为模型的设定误差。 模型变量设定错误 遗漏必要的解释变量 包括不必要的解释变量 解释变量含有测度误差 误差项不符合古典假定 回归方程函数形式错误 检验和解决办法 一、遗漏必要的解释变量 设表示成离差形式的二元回归模型为： y=?1x1+?2x2+u 假定模型设定时遗漏了解释变量x2，回归方程变为: 对此模型采用OLS估计，得到的系数估计值为: 遗漏必要的解释变量 将真实关系式代入后得到： 估计参数的期望值为 遗漏必要的解释变量 当两个解释变量相关时，等号右边第二项不等于零。因而当遗漏x2时有： 用OLS方法得到的 估计是模型真实参数的有偏估计量； 此外，该项在样本容量无限增大时也不会趋近于零，即对 的估计也不具有一致性特性； 的偏差方向取决于 的符号和 的符号。 上述结论同样适用于多元回归模型。 遗漏必要的解释变量 遗漏必要的解释变量时，估计参数的方差也是有偏的，从而造成统计检验失真。 模型仅包括两个解释变量时， 的方差计算公式为： 若总体方差已知，那么遗漏必要的解释变量造成低估参数方差。 在应用工作中，总体方差需要由样本估计，即： 由于丢失必要的解释变量一方面增大分子，另一方面也增大分母，因而难以确定参数方差的偏差方向。 遗漏必要的解释变量 遗漏必要的解释变量可能出现以下症状： 某些估计参数的值与理论预期相矛盾（异常的符号，不合理的数值大小）； 模型误差项表现异常（出现序列相关或异方差）。 如果由于无法获得数据等原因导致上述错误，在做分析时应该利用前面介绍的知识，指出重要参数的偏差方向，并讨论其含义。 遗漏必要的解释变量 在应用工作中，除由于理论和数据原因而导致遗漏必要解释变量的错误外，更经常出现的两种情况是采用错误的数学函数形式和解释变量出现定义变化。 模型数学形式错误主要是用线性方程表示非线性关系，而用非线性方程表示线性关系一般不会造成问题。 假设正确的函数形式 为一个K阶可导函数，可以用X的K阶多项式 近似。 若将X的高次项看作独立的解释变量，那么上式为多元线性回归方程。用一元线性方程进行估计相当于遗漏必要的解释变量。 遗漏必要的解释变量 计量经济模型研究中经常遇到在样本范围内解释变量出现质量/定义变化的情况，或者实际统计指标与理论变量之间存在着代表性偏差，从而使样本范围内指标测定结果发生系统性偏差。例如： 使用时间序列资料估计我国农业生产函数时，我们遇到劳动投入的计量问题。 农村居民自给性消费计算价格多次改变； 畜牧业产量/耕地面积统计存在系统性偏差。 这种情况可以一般性地表示为解释变量含有误差，即 遗漏必要的解释变量 考虑一元回归模型，假定正确的形式为： 实际估计模型时，由于缺少对Z的观测结果，采用的函数形式变为： 上述情况相当于丢失了一个重要的解释变量，当Z与X相关时，X的参数估计值将是有偏和不一致的。 二、包含不必要的解释变量 设表示成离差形式的真实模型为 . 在估计该模型时增加了一个不必要的解释变量x2，模型变成为 。 应用OLS方法估计该模型得到： 包含不必要的解释变量 代入真实关系后有： 包含不必要的解释变量 即包含不必要的解释变量时，参数估计值仍然是无偏和一致的。 包含不必要的解释变量 理论上估计参数的方差为： 利用样本数据得到的经验结果为： 只有当两个解释变量完全无关时才会有r＝0，即得到关于方差的无偏估计。 由上述分析可知，将不必要的解释变量引入模型，参数估计值仍是无偏的，但估计参数的方差一般要增大，即估计参数的有效性降低。 三、随机误差项设定错误 如果模型的误差项出现设定错误，那么也将引起估计偏差。设正确的回归模型为： 例如