第七章 回归方程变量和形式.pptVIP

第七章 回归方程的变量和形式 目 录 7.1 回归方程中遗漏和冗余变量问题 7.2 模型的稳定性检验 7.3 包含虚拟变量的回归模型 7.4 可线性化的非线性模型 7.5 不可线性化的非线性模型 7.1 回归方程中遗漏和冗余变量问题 1、一个简单例子：未偿付抵押贷款债务 假定Y表示未偿付抵押债务（亿美元）； X2表示个人收入（亿美元） ； X3表示新住宅抵押贷款费用(%)，包括对常规抵押贷款和手续费收取的利率。一般地预期抵押债务与收入正相关，因为个人收入越高，则其借贷购买新房的能力就越强；预期抵押债务与抵押费用负相关，因为在其他条件不变时如果购房费用上升，则对住房的需求下降，从而减少了对新的抵押贷款的需求。 （1）首先简单做Y（抵押贷款债务）对X2（个人收入）回归，得到以下结果 7.1 回归方程中遗漏和冗余变量问题 （2）将抵押债务Y对收入和抵押费用同时回归，得到以下结果 7.1 回归方程中遗漏和冗余变量问题 （3）比较两个模型 收入变量回归系数、截距和拟合优度的差异 关于个人收入对抵押贷款的影响，本质上前一个模型只是简单略去了抵押费用变量，反映了个人收入对抵押贷款的总效果（直接的个人收入效果与间接的抵押贷款费用效果）；而后一个模型是假设抵押贷款费用为常数，反应了个人收入对抵押贷款的净影响或净效果。两个回归结果的差异性很好地反映了偏回归系数的“偏”的含义。 如果从模型中将抵押贷款变量略去，会导致（模型的）设定偏差或设定误差（specification error)。所以在设定模型时要以经济理论为根据并充分利用已有研究的经验，设定回归变量。 7.1 回归方程中遗漏和冗余变量问题 2、遗漏（omitted)变量检验 检验对现有模型添加某些变量后，新变量是否对因变量的解释有显著贡献。检验的零假设时新变量都是不显著的。检验要求前后两个模型的观测样本是相同的，增加滞后变量作为新变量，该检验是失效的。 检验统计量为 其中右边中括号内分别表示约束条件合无约束条件下方程的对数似然值，在零假设下统计量服从渐进的χ2（m)分布，这里m代表约束条件的个数，比如增加变量的数目。 7.1 回归方程中遗漏和冗余变量问题 2、遗漏（omitted)变量检验 Eviews实现：View－Coefficient Tests－Omitted Variables－Likelihood Ratio。 举例：柯布－道格拉斯生产函数 采用美国27家主要金属行业SIC33的观测值，被解释变量Y代表产出，解释变量为劳动投入L和资本投入K，利用基本模型形式Y＝AKαLβeu进行估计，检验（1）规模报酬不变的假设；（2）利用遗漏变量检验是否能够采用超越对数生产函数形式。 7.1 回归方程中遗漏和冗余变量问题 2、冗余（Redundant)变量检验 检验一部分变量的统计显著性，通过判断方程中一部分变量系数是否与0没有显著差异，决定是否从方程中剔除这些变量，检验方法可以通过F检验和似然比（LR）检验。 Eviews实现：View－Coefficient Tests－Redundant Variables－Likelihood Ratio。 7.2 模型的稳定性检验 1、Chow断点（Breakpoint）检验 思想：是对每个子样本单独拟合方程，并与对于全部样本拟合方程进行比较，来观察每个子样本的估计方程是否有显著差异，判断是否存在结构变化。 零假设：两个子样本拟合的方程无显著差异。 而有显著差异意味着模型中存在结构变化。 7.2 模型的稳定性检验 1、Chow断点（Breakpoint）检验 检验之前，需先把数据分成两个或更多的子样本，每个子样本的观察数必须多于方程参数的个数，这样才能对每个子样本分别拟合方程。对总体样本可单独拟合一个方程，对子样本可分别拟合方程，Chow’s断点检验基于这两组方程的残差平方和的比较。可构造统计量： 其中e’e是利用整个样本数据进行回归得到的残差平方和， ei’ei是第i个子样本回归的残差平方和。 7.2 模型的稳定性检验 1、Chow断点（Breakpoint）检验 Chow检验时的限制条件 （1）应用Chow检验必须满足子样本回归模型的随机误差项是独立同分布，均服从正态分布。 （2）Chow检验的结果仅仅告知以子样本的回归方程是否相同，而无法告知导致这种差异的原因。 （3）Chow检验假定知道结构发生变化的时间点。 7.2 模型的稳定性检验 1、Chow断点（Breakpoint）检验 实例二：美国个人可支配