第七章模型选择：标准与检验(新)分析.pptVIP

第二部分 实践中的回归分析 基本假定违背：不满足基本假定的情况。 （1）模型设定有偏误；所选模型是正确设定的 （2）解释变量之间存在多重共线性； （3）随机误差项序列存在异方差性； （4）随机误差项序列存在序列相关性。 所选模型是正确设定的 解释变量之间不存在完全线性关系 误差项方差为常数 误差项之间不相关 基本假定 基本假定 基本假定 基本假定 第七章 模型选择：标准与检验 7.1好的模型具有的性质 7.2设定误差的类型 7.3遗漏相关解释变量的模型:过低拟合模型 7.4引入不相关解释变量模型:过度拟合模型 7.5不正确的函数形式 7.6变量的度量误差 7.7模型设定误差的检验 7.1“好的”模型具有的性质 简约性 可识别性 拟合优度 理论一致性 预测能力 模型是对现实的抽象，模型应尽可能简洁 即能够用少数解释变量能够说明一个被解释变量就不要用多个解释变量 每个参数只有一个估计值 对样本数据的拟合程度较好 参数估计值的符号与经济理论相符 预测值与经验值检验模型的有效性，即具有良好的预测能力 7.2设定误差的类型:四个 遗漏相关变量 采用了错误的函数形式 变量的度量误差 引入无关变量 请注意:实践中的模型设定误差可能源于上述一个或多个原因。 对所研究问题的相关理论了解不深 未关注本领域前期的研究成果 在研究中缺乏相关数据 数据测量时有误差 设定误差产生的原因