5 第五章节 经典单方程计量经济学模型：专门问题.ppt

第二，模型必须与经济理论相一致（consistent with economic theory）。 第三，解释变量必须是弱外生的(exogenous)， 即解释变量应与随机扰动项不同期相关。 第四，模型具有恒定的参数(constant parameters) 第五，模型具有包容性，即模型应包容相竞争的对手模型。 第六，模型具有简洁性(parsimonious)，即在具有相同解释能力的情况下，一个拥有较少解释变量的模型优于拥有较多解释变量的模型。 例5.4.1 在§3.5的例3.5.1中，曾以传统的建模方法建立了1981~1994年间的中国城镇居民食品消费需求模型。 用小写字母代表变量的自然对数，则该一般模型的估计结果为： 这里再以“从一般到简单”这一建模理论来做进一步的考察。 初始的一般模型设定为 （1.41） (0.09) (8.24) (-0.57) (-0.65) (-0.24) (-6.03) (0.85) 给定5%的显著性水平，可以判断，尽管若干个变量的t检验不显著，但总体上看，不存在模型的相关变量遗漏与函数形式的设定偏误问题，而且参数也具有稳定性。因此，以它作为初始的一般模型是合适的。 进一步考察模型的约化问题: 首先，检验模型 (9.03) (25.35) (-2.28) (-7.35) 该模型是由“一般模型”去掉滞后变量得到，相当于对滞后变量施加了零约束，由受约束的F检验得检验值F=2.188，相伴概率p=0.207，可见：在5%的显著性水平下，可接受该约束。 但是，存在着结构变化，而且RSS有明显增大。 如果忽略存在结构变化这一特征，则上面模型能够作为一个可接受的模型，并可进一步检验 （75.86）（52.66） （-3.62） 取?=5%，RESET检验表明可能存在遗漏相关变量的设定偏误，这时RSS的值也有所增大，而且CHOW检验也表明存在明显的结构变化。 设一元样本回归模型为 以Z为工具变量，则IV估计量为： (*) (*)式表明，IV估计量与OLS估计量无差异当且仅当?ziei=0，即工具变量与OLS估计的残差项无关。 检验时，求Y关于X与Z的OLS回归式： 在实际检验中，豪斯蔓检验主要针对多元回归进行，而且也不是直接对工具变量回归，而是对以各工具变量为自变量、分别以各解释变量为因变量进行回归。 如对二元回归模型 通过增加解释变量的F检验，检验联合假设： H0：?1=?2=0 。 拒绝原假设，就意味着（*）式中的解释变量与随机扰动项相关。 (*) （4）线性模型与双对数线性模型的选择 无法通过判定系数的大小来辅助决策，因为在两类模型中被解释变量是不同的。 为了在两类模型中比较，可用Box-Cox变换: 第一步，计算Y的样本几何均值。 第二步，用得到的样本几何均值去除原被解释变量Y，得到被解释变量的新序列Y*。 第三步，用Y*替代Y，分别估计双对数线性模型与线性模型。并通过比较它们的残差平方和是否有显著差异来进行判断。 其中，RSS1与RSS2分别为对应的较大的残差平方和与较小的残差平方和，n为样本容量。 可以证明：该统计量在两个回归的残差平方和无差异的假设下服从自由度为1 的?2分布。 因此，拒绝原假设时，就应选择RSS2的模型。 Zarembka（1968）提出的检验统计量为： 例5.3.2 在§4.3中国商品进口的例中， 采用线性模型: R2=0.948; 采用双对数线性模型: R2=0.973， 但不能就此简单地判断双对数线性模型优于线性模型。下面进行Box-Cox变换。 计算原商品进口样本的几何平均值为： 计算出新的商品进口序列： 以Mt*替代Mt，分别进行双对数线性模型与线性模型的回归，得： RSS1=0.5044 RSS2=1.5536 于是， 在?=5%下，查得临界值?20.05(1)=3.841 判断：拒绝原假设，表明双对数线性模型确实“优于”线性模型。 四、误差变量模型 一、误差变量应该称其为变量的误差，它专门指在决定变量取值的时候，因为这样或那样的原因，导致变量的观察值同其实际数量状态不一致的情况，也即变量取值发生的误差。 二、样本资料出现误差的原因 1、测量不准确 2、登记性误差 3、数据资料编辑和修整形成的误差 4、变量的替代问题。 三、变量误差与随机项的区别 1、误差的大小是