7第五章 计量经济学检验.ppt

第五章 计量经济学检验 ——违背基本假设的情况 一方面，建立一个计量经济学模型要经过四重检验，其中经济意义检验、统计检验、预测检验已讲，这一章主要讲计量经济学检验的范畴。 另一方面，前面讨论了最小二乘估计的优良性质，但都是基于经典假设。如果这些假设不满足，会出现什么问题呢？这一章对其进行分析。 本章内容 误设定（Misspecification 或specification error） 多重共线性（Multicollinearity） 异方差性（Heteroscedasticity） 自相关（Autocorrelation） 采用OLS法估计模型时，实际上有一个隐含的假设，即模型是正确设定的。这包括两方面的含义：函数形式正确和解释变量选择正确。在实践中，这样一个假设或许从来也不现实。我们可能犯下列三个方面的错误： 选择错误的函数形式 遗漏有关的解释变量 包括无关的解释变量 从而造成所谓的“误设定”问题。 三、 包括无关的解释变量 模型中包括无关的解释变量， （1）参数估计量仍无偏，但会增大估计量的方差，即增大误差（证明如下：）。 （2）出现“过度拟合”，损失模型自由度。 注意！！！ RESET检验仅能检验误设定的存在，而不能告诉我们到底是哪一类的误设定。 研究表明，RESET检验能够检验某个方程的设定误差，即使所有传统的检验标准，如拟合优度、一阶自相关检验、系数符号以及较高的t值都已给出令人满意的结果。 因变量预测值的幂次从2开始，因为1次幂与x完全线性相关。 Ramsey的RESET检验只适用于LS估计的方程。 第二节 多重共线性（ Multi-Collinearity ） 多重共线性的概念 多重共线性的后果 多重共线性的检验 克服多重共线性的方法 一、多重共线性的概念 1、多重共线性 对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n 其基本假设之一是解释变量是互相独立的。 如果存在 c1X1i+c2X2i+…+ckXki=0 i=1,2,…,n 其中: ci不全为0，即某一个解释变量可以用其它解释变量的线性组合表示，则称为解释变量间存在完全共线性。 在矩阵表示的线性回归模型 Y=XB+N中，完全共线性指：秩(X)k+1，即矩阵  例：有人在建立某地区粮食产量回归模型时，以粮食产量为因变量y，以化肥用量为x1，水浇地面积为x2，农业投入资金为x3等作为自变量。从表面上看到x1，x2，x3都是影响粮食产量的重要因素，可是建立的回归方程效果很差，原因何在呢？ 注意： 完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。 2、实际经济问题中的多重共线性现象 经济变量的共同变化趋势 时间序列样本：经济繁荣时期，各基本经济变量（收入、消费、投资、价格）都趋于增长；衰退时期，又同时趋于下降。 横截面数据：生产函数中，资本投入与劳动力投入往往出现高度相关情况，大企业二者都大，小企业都小。 滞后变量的引入 在计量经济模型中，往往需要引入滞后经济变量来反映真实的经济关系。 例如，消费=f(当期收入, 前期收入） 显然，两期收入间有较强的线性相关性。 一般经验 对于采用时间序列数据作样本、以简单线性形式建立的计量经济学模型，往往存在多重共线性。 以截面数据作样本时，问题不那么严重，但多重共线性仍然是存在的。 二、多重共线性的后果 1、完全共线性下参数估计量不存在 2、近似共线性下普通最小二乘法参数估计量非有效 在一般共线性（或称近似共线性）下，虽然可以得到OLS法参数估计量，但是由参数估计量方差的表达式为 即：多重共线性使参数估计值的方差增大，方差扩大因子(Variance Inflation Factor)为1/(1-r2)，其增大趋势见下表： 三、多重共线性的检验 由于实际样本数据永远不会是正交的，则多重共线性总是在一定程度上存在的。但是，什么时候多重共线性成为严重的问题呢？也就是受到变量之间交互关系影响促使估计量方差扩散到什么程度时，才能够引起我们的关注呢？ 检验多重共线性的方法主要有：经验判断法、相关系数判断法、条件数判断法、方差膨胀