计量经济模型与经济预测研究生.ppt

表3、 学生的平均成绩和家庭收入 例7.1 货币需求量 在对货币长期需求和短期需求的研究中,Gregory Chaw对下列需求方程进行了估计(括号内是标准误差,所有的数据都是季度数据): （0.148) (0.13897) (0.0540 其中 —全部货币储备量的自然对数 ---永久性收入的自然对数 ---当前收入的自然对数 ---利率的自然对数 因为Chaw估计的是货币长期需求的方程,他认为作为个人资产的长期限制条件,永久性收入比当前收入更重要(变量 不显著,而变量 却非常显著).不过,有人认为这个估计方程事实上是货币长期需求正确方程的一个错误确认.泰勒和纽豪斯认为正确的模型应当是: 其中 是 对 、 和 的辅助回归方程的系数。如果变量 无法得到，就得推测由此带来的确认偏差的程度.不过，在目前的这个例子中， 可以得到。由于已知 和 高度相关，并且会比较大，换句话说，确认错误夸大了永久性收入的重要性。对正确确认的模型进行估计时，这一猜测得到了证实，其结果为  (0.14284) (0.0940) (0.0597) (0.0669) 的系数是正的，而且在5%的显著性水平下显著。而 的系数也是正的，但在同样的显著性水平下不显著。因此，原来的结论应该改为在解释货币的长期需求时，当前收入比永久性收入更重要。 例7.2 空气污染和犯罪率对房产价值的影响 在一项房地产价值的研究中，哈里森和鲁宾费尔德采用波士顿市506份调查表，研究各区域的生活质量和房地产价值之间的关系。线性回归模型将房主居住住房中间价值的对数(LMV)与若干变量(包括常数项共有14个变量)相联系,这些变量反映了该地区住房的质量,该地区到附近工作中心的便利程度,以及该区域的生活质量.在这个例子中，着重研究引入的两个变量：氧化氮含量的平方NOXSQ和人均犯罪率CRIM。 回归方程估计中有关的部分是（括号内是t统计值）：     因为有506个观测，列出全部学生氏残差大于1.96或DFBETAS绝对值大于2/N0.5的观测需要很得篇幅，所以，在表7-1中列出了超过下列有说服力的分界值的28个调查表的回归诊断值： 学生氏残差=2.5 表7.1 对挑选出的调查表的回归诊断 见P119 绝对值超过2.5的18个残差中，372和373两个调查表的最大，t值分别为4.51和4.16。 有18/506＝3.55%，或大于3%的残差具有t值大于2.5的事实说明误差服从正态分布的假设可能不成立。如果误差是正态分布的，只有1.24%的误差与期望值差的绝对值会大于2.5。 对DFBETAS，调查表381对变量CRIM的DFBETAS最高，从506个调查表中去掉第381个调查表会使CRIM的系数减小1.59个标准差。检查数据发现不存在在抄写错误错误，但是美国犯罪数据不准确较高，所以CRIM系数对一些特殊数据点敏感是不足为奇的。 但在最初的房地产价值研究中，感兴趣的是NOXSQ的系数。第381个调查表对于NOXSQ系数没有什么特别的影响，虽然有一些数据点的DFBETAS超过了分界值，最高的(-0.38，第413个调查表)也没有大到需要特别关注的地步。 总之，上述回归诊断提示我们，误差可能不是正态分布的，因此有些系数的显著性很可能被夸大了。存在着若干具有特别影响力的数据点，以此过分依赖CRIM系数是很危险的。不过，NOXSQ的系数对单个数据点不那么敏感，因此是两个变量中比较可靠的一个。 例7.3 检验公共开支模型中的测量误差 美国各州和地方开支(EXP)随州的地区的不同差异很大。与开