9第九章_设定误差与测量误差.ppt

* 3. 查Durbin-Watson表，若 为显著，则拒绝 原假设，受约束回归模型不成立，存在模型设 定误差，否则接受原假设，受约束回归模型成 立，模型无设定误差。 * 对下表的数据设定总生产成本函数，准备 使用如 下三个备选模型： 有（1）为真实模型，试用DW法检验模型设定误 差。 举例 * 总成本（ ） 产出（ ） 1 193 1 2 226 2 3 240 3 4 244 4 5 257 5 6 260 6 7 274 7 8 297 8 9 350 9 10 420 10 * 三个模型分别代入数据回归 (1) (2) * 本例中遗漏变量已按递增次序排列，此时的 值等于 值，无需重新计算d统计量。 (3) * 对上述模型的DW统计量的分析及查表情况如下： 1. 模型(1)： 有 =2.70，当 时 =0.525， =2.016，不能表明存在显著的正相关关系，接受H0，表示没有遗漏的变量。 2. 模型(2)：有 =1.038，当 时 =0.697， =1.641。显然有0.6971.0381.641，属于无法确定的区域。在没有其他信息的前提下，最好认为存在遗漏变量。 * 3. 模型(3) ： 有 =0.716，当 时， =0.879， =1.320 ，显然存在正的自相 关，拒绝 ，表明存在遗漏变量； * 二、拉格朗日乘数（LM）检验 基本思想： ●模型中遗漏的相关变量包含在随机扰动项中，因此随机扰动项或回归所得的残差序列应与遗漏的相关变量呈现出某种依存关系。 ●可以进行残差序列与相关变量的回归，在一定显著水平下若相关变量具有统计显著性，则认为存在遗漏变量形成的设定偏误，若相关变量不具有统计显著性，则认为没有遗漏变量形成的设定误差。 * 具体步骤 1. 对存在遗漏变量设定偏误的模型（受约束回归模型）进行回归，得残差序列 ； 2. 用残差序列 对全部的解释变量（包括遗漏变量）进行回归，得可决系数 ； 3. 设定 : 受约束回归模型 ：无约束回归模型。 在大样本情况下，构造检验统计量 ， 渐近地遵从 （约束个数） 4. 进行显著性检验的判断：若 (约束个数), 则拒绝 ，认为受约束模型不成立，存在遗漏变量；否则，接受 ，认为受约束模型成立，无遗漏变量。 * 第四节 案例分析 问题： 以引子中所提出的问题为例，分析影响中国进口量的主要因素。 设定模型 （1） 其中： 是进口总额， 是国内生产总值。 分析模型是否有变量设定误差，进行变量设定误差检验。 * 有人认为，货物与服务的进口量受到一国的生产规模、货物与服务的进口价格、汇率等其他影响因素，而不能只仅用GDP来解释商品进口的变化。因此，设定的回归模型应该为： 其中：GDP 为国内生产总值， 为 GDP 的线性函数；Exchange 为美元兑换人民币的汇率， 为 Exchange 的线性函数。 如果是这样，回归模型（1）的设定式中可能遗漏了变量 GDP、Exchange以及两者的线性组合。那么两者的线性组合是否被遗漏的重要变量呢？ * 基本关系图 * 对模型(1)进行回归,有回归结果： * 显然，存在自相关现象，其主要原因可能是建模时遗漏了重要的相关变量造成的。 作模型(1)回归的残差图 * 1. DW检验 模型（1）的 =0.5357，表明存在正的自相关。 由于遗漏变量Exchange或 GDP 已经按从小到大顺序排列，因此，无需重新计算d统计量。对 =24 , =1， 5%的德宾-沃森