计量经济学第九章设定误差与测量误差研讨.pptVIP

第 九 章 设定误差与测量误差;引子：简单一定胜于复杂吗?; 有人根据“简单优于复杂”原则，得到以下方程： (2) 进行比较： 两个方程的检验结果都较理想； 方程（2）GDP的t检验值似乎优于方程（1）； 方程（2）函数形式也更为简单； 然而，能否根据“Occam’s razor”原则，判断方程（2）比方程（1）好？; 对模型的设定是计量经济研究的重要环节。 前面各章除了对随机扰动项 分布的基本假定以外，还强调: 假定设定的模型对变量和函数形式的设定是正确地描述被解释变量与解释变量之间的真实关系，假定模型中的变量没有测量误差。 但是在实际的建模实践中，对模型的设定不一定能够完全满足这样的要求，从而会使模型出现设定误差。;第九章 设定误差与测量误差; 第一节 设定误差;一、设定误差及类型;从误差来源看，设定误差主要包括： （1）变量的设定误差，包括相关变量的遗漏 （欠拟合）、无关变量的误选（过拟合）； （2）变量数据的测量误差； （3）模型函数形式的设定误差； （4）随机扰动项设定误差。 本章主要讨论的两类变量设定误差: （1）相关变量的遗漏（欠拟合）； （2）无关变量的误选（过拟合）。; 1. 相关变量的遗漏（Omitting Relevant Variables）; 2. 无关变量的误选 (Including Irrevelant Variables);●数据来源渠道可能不畅。例如，数据很难取得被迫将具有重要的经济意义变量排斥在模型之外。 ●不知道变量应当以什么确切的函数形式出现在回归模型中。 ●事先并不知道所研究的实证数据中所隐含的真实模型究竟是什么。 设定误差在建模中较容易出现。设定误差的存在可能会对模型形成不良的后果。;二、变量设定误差的后果;1. 遗漏相关变量（欠拟合）偏误;却对方程 进行回归，得： 取期望 ;遗漏变量设定误差的后果;1. 如果漏掉的 与 相关，则分别在小样本下求 期望、在大样本下求概率极限，有： 2. 如果 与 不相关，则 的估计满足无偏性与一致 性；但这时 的估计却是有偏的。 即OLS估计量在小样 本下有偏，在大样本下非一致。 ;3. 的方差是 方差的有偏估计： 由 得 由 得;如果 与 相关，显然有 如果 与 不相关，也有 4. 遗漏变量 ，式中的随机扰动项 的方差估计量将是有偏的，即： 5. 与方差相关的检验，包括假设检验、区间估计，在关于参数的统计显著性方面，都容易导出错误的结论。 ;(1) 若 但实际情形并不完全如此。 可以注意到残差平方和RSS的计算 因此，有可能：;（2）若 不相关，有 似乎分别有： 若这两个等式成立，意味着尽管变量 ，在理论上分析是有关的变量，但从所选模型中略去似乎也不会导致什么危害。这种认识实际也不正确。;因为 的有偏估计，即使 不相关，也有 致使假设检验程序很有可能是可疑的。 必须清楚，一旦根据相关理论把模型建立起来， 再从中遗漏变量需要充分地谨慎。;2. 包含无关变量偏误;将（1）式的离差形式代入， 整理得： 期望和方差：; 无关变量的设定误差的后果;2. 不是有效估计量： 此结论对 也成立。 3. 随机误差项的方差的估计仍为无偏估计。 4. 通常的区间估计和假设检验程序依然有效，但 方差增大，接受错误假设的概率会较高。 ;（1）遗漏相关变量 将导致参数估计量和假设检验有偏且不一致； （2）误选无关变量 虽参数估计量具无偏性、一致性，又会损失有效性。 （3）注重检验的无偏性、一致性 宁愿误选无关变量也不愿遗漏相关变量； （4）注重估计量的有效性，宁愿删除相关变量。 通常误选无关变量不如遗漏相关变量的后果严重。 因此，模型的设定实际是对偏误与有效进行权衡，偏爱哪一方取决于模型的研究目的。;第二节 设定误差的检验;对变量设定误差进行检验必须在经济理论指导下进行，不可抛弃经济理论而进行假设检验。 对于是