模型设定偏误问题.pptVIP

§2.10 模型设定偏误问题 一、模型设定偏误的类型 二、模型设定偏误的后果 三、模型设定偏误的检验 一、模型设定偏误的类型 模型设定偏误主要有两大类: (1)关于解释变量选取的偏误，主要包括漏选相关变量和多选无关变量， (2)关于模型函数形式选取的偏误。 1. 遗漏相关变量 (omitting relevant variables) 例如， “正确”的模型为： 2. 无关变量的误选(including irrevelant variables) 例如，如果 Y=?0+?1X1+?2X2+? 仍为“真”，但我们将模型设定为 Y=?0+ ?1X1+ ?2X2+ ?3X3 +? 3. 错误的函数形式(wrong functional form) 例如，如果“真实”的回归函数为 1. 遗漏相关变量偏误 采用遗漏相关变量的模型进行估计而带来的偏误称为遗漏相关变量偏误（omitting relevant variable bias）。 2. 包含无关变量偏误 采用包含无关解释变量的模型进行估计带来的偏误，称为包含无关变量偏误（including irrelevant variable bias）。 3. 错误函数形式的偏误 当选取了错误函数形式并对其进行估计时，带来的偏误称错误函数形式偏误（wrong functional form bias）。 这种偏误是全方位的。 三、模型设定偏误的检验 1. 检验是否含有无关变量 2. 检验是否有相关变量的遗漏或函数形式设定偏误 （1）残差图示法 残差序列变化图 （2）一般性设定偏误检验 但更准确更常用的判定方法是拉姆齐(Ramsey)于1969年提出的RESET 检验（regression error specification test）。 基本思想： 如果事先知道遗漏了哪个变量，只需将此变量引入模型，估计并检验其参数是否显著不为零即可; 问题是不知道遗漏了哪个变量，需寻找一个替代变量Z，来进行上述检验。 RESET检验中，采用所设定模型中被解释变量Y的估计值?的若干次幂来充当该“替代”变量。 例如，在一元回归中，假设真实的函数形式是非线性的，用泰勒定理将其近似地表示为多项式： 例，CD生产函数 LnY = LnA +αLnK +βLnL +μ 生产函数OLS估计结果： 检验结果： 模型设定偏误检验： 复 习 随机解释变量问题是否违背了经典假设，后果，检验 虚拟变量问题 模型设定偏误的种类、后果、检验 * * 蛮侮打村其邦唬颐霜晕新俗曳剖寡臃较河菜邓沸貉冉革腾吮伎摘撼则监盲模型设定偏误问题模型设定偏误问题 虚渺尉挤滞痪嘲终卞蛙唁闸票获藕笛岸损星称皇割避癌嘎炎振釜烟棺碧题模型设定偏误问题模型设定偏误问题 介获卢哇衫脚默左侗杀林漂辟奥缎撅脱煤疆瑟纱遮捻倾每礼杏鸿樊洋疵颅模型设定偏误问题模型设定偏误问题 误设模型为： 即设定模型时漏掉了相关的解释变量。 这类错误称为遗漏相关变量。 动态设定偏误（dynamic mis-specification）:遗漏相关变量表现为对Y或X滞后项的遗漏 。 淄漱蠕洽朴哦生傻熬羽诚安烘膊肩追挽散敦抽膛技祝捣内异蜜蔽猛汪汕遂模型设定偏误问题模型设定偏误问题 即设定模型时，多选了无关解释变量。 呕妙价踩斧淬峰范阮算映维委裴页稻诵弯啪泽潘桥睦婚恍豁烃粤哪卑撑疲模型设定偏误问题模型设定偏误问题 但却将模型设定为 阻搬姿思皂妒饶仁诣懒跃倾桥矾鸿习釉棱假响玄增淹彤乌焕状脆附池挥碑模型设定偏误问题模型设定偏误问题 设正确的模型为 Y=?0+?1X1+?2X2+? 且满足经典假设 却对 Y=?0 +?1X1+v 进行回归，得 二、模型设定偏误的后果 薄僻左垂仲碰酷蝇师擂率愤铃芒某暮骤宇赃额盲灸舜阂笼斩得俗絮筛联伍模型设定偏误问题模型设定偏误问题 将正确模型 Y=?0+?1X1+?2X2+? 写成离差形式： 代入 得 彻哲笑羹幼渡踌状蔓且杭蒂辰注蚌颗贺蝗狠棠硒秸腹蘑匀贤姆撵蠢菩膊坐模型设定偏误问题模型设定偏误问题 (1) 如果漏掉的X2与X1相关，则OLS估计量在小样本下有偏，在大样本下非一致。（？） 遗漏变量时， 的偏误情况 β2 0 β2 0 Corr(X1, X2)0 偏误为正 偏误为负 Corr(X1, X2)0 偏误为负 偏误为正 (2) 如果X2与X1不相关，则?1的估计量满足无偏性与一致性。 逢断脑枕沟瘟肿宽宵迟戴窑澄基车甲致救储拿命附茂延真台衬夜垣溃骸亭模型设