第八章_传统计量经济学方法论.pptVIP

第八章 传统计量经济学的建模方法论 建立模型的基本准则： 1，节省性。即模型越简单越好。 2，识别性。对于给定的一组数据，估计的参数必须有唯一的一组值。 3，拟合优度。通过模型中的解释变量，尽可能多地解释被解释变量的变异情况，即比较高的经过校正的R2。（当然，高R2如果与估计的参数和先验的符号结合起来考虑就更好了） 设定偏误 当人们估计了一个模型后，会利用我们前面讲过的方法去进行判断，是否存在自相关、异方差问题，如果排除或解决了这些问题，估计的结果依旧存在问题，如无法通过t 检验或F检验，参数估计的符号与先验不符，决定系数偏低等。这时人们会考虑模型是否出现了设定误差 顾名思义，设定误差指模型建立过程中由于人为的错误或疏忽而导致的偏差。设定误差的主要类型包括： 1，漏掉一个重要变量 2，包括一个无关紧要的变量 3，错误的函数形式 4，测量误差 出现设定误差的后果 1，漏掉了重要变量，假设真实的模型是： y=β1x1+ β2 x2+μ 而我们建立的模型是： y=β1 x1+μ 即漏掉了一个变量 根据最小二乘法， β1 hat=Σ x1 y/ Σ x1 2 ＝ Σ x1 （β1x1+ β2 x2+μ ）/ Σ x1 2 ＝ β1+ β2 Σ x1 x2 /Σ x1 2 +Σ x1 μ / Σ x1 2 E(β1 hat)= β1+ β2 Σ x1 x2 /Σ x1 2 因为E( x1 μ )=0 所以参数的估计不是无偏的。 包括了无关紧要的变量 假设真实的模型是： y=β1 x1+μ 而估计的模型是： y=β1x1+ β2 x2+μ β1 hat＝(S22S1y-S12S2y)/(S11S22-S122) β2hat＝(S11S2y-S12S1y)/(S11S22-S122) S11= Σ x1 2 ，S1y＝ Σ x1 y ，S12＝ Σ x1 x2 ，以此类推。又因为y=β1 x1+μ 所以E（ S1y)=E(Σ x1 y )=E Σ x1 (β1 x1+μ) ＝ β1 S11 E（ S2y)＝ β1 S12 E(β1 hat)= β1 E(β2 hat)= β2 参数估计是无偏的，但是问题是方差估计变大，使统计推断即检验出现问题。 关于测量误差 1, 被解释变量Y存在测量上的误差 Yi*=α+βXi+ μi （1） Yi*是永久消费 Xi当前收入 永久消费不可观测，使用当前消费来替代 Yi= Yi*＋vi 所以估计的模型变成了： Yi= Yi*＋vi ＝（α+βXi+ μi）＋vi ＝ α+βXi+（μi＋vi ） （2） 从第一个方程：Var(βhat)=σ2 μ / Σ x2 从第二个方程： Var(βhat)=（σ2 μ ＋ σ2 v )/ Σ x2 估计依旧是无偏的，但是，估计参数的方差大于没有测量误差时的方差。 2,解释变量x测量上的误差 Yi=α+βXi*+ μi (1) Yi是当前消费 Xi*永久收入，假设我们可以观测到的是 Xi＝ Xi* ＋w i Yi=α+βXi*+ μi = α+β(Xi- w i) + μi = α + βXi +(μi - β w i ) = α + βXi + z i (2) 方程2中的误差项与解释变量不再是不相关的。 Cov(xi zi)=E[ (zi –E(zi) ] [xi –E(xi )] =E(μi - β w i ) (w i ) = - β σ2 w 因此破坏了古典回归的假设前提。 设定误差的检验 一，判断是否出现无关紧要的变量 最简单的办法是使用t检验来判断某一变量是否应该被包含进来；如果怀疑两个或以上的变量，则使用F检验，如对于x3 x5 检验H0: β3 = β5 =0 但是切勿反复使用t 和F检验 二 对遗漏变量和不正确函数形式的检验 事实上我们永远不能肯定哪一个模型是“真实的”模型，只是当我们使用判断模型好坏的标准一一排查之后，模型依旧存在问题时，才担心模型的函数形式是否正确或是否漏掉了重要变量。 检验的方法无固定，通常有三种方法： 1。残差分析，画出不同回归模型的x和残差之间关系的图形，越接近正确的函数形式，残差越小，例如总成本和总产出分析，估