二元选择面板模型的设定检验.doc

二元选择面板模型的设定检验* 韩本三 曹 征 黎 实 内容提要: 本文将 RESET 检验扩展到二元选择面板数据模型的设定，考察了固定效应 Probit 模型和 Logit 模型 的设定检验，包括异方差、遗漏变量和分布误设的检验。 模拟结果表明 Logit 模型的 RESET 设定检验显示良好的水 平和功效，而 Probit 模型的 RESET 检验可能由于估计方法的选择导致在某些方面的功效表现不好。 但 总 体 说 来， 在二元选择面板数据模型的设定检验上，RESET 检验仍然是一个较好的选择。 关键词: 二元选择; 面板数据; 模型设定; RESET 检验 中图分类号: F222. 3 文献标识码: A 文章编号: 1002 － 4565 ( 2012 ) 07 － 0081 － 05 Specification Test for Binary Choice Panel Data Models Han Bensan Cao Zheng Li Shi Abstract: RESET test is extended to test the specification errors for binary choice panel data models，including hetetoscedasticity，variables omission and distribution specification error of panel probit models and logit models in this paper． Simulation results show that RESET test presents great power for panel logit models． For panel probit models， RESET test shows bad power in testing some specification errors． We think this may due to the estimation method for panel probit models in our RESET test． In general，RESET test is still a good choice for testing the specification errors in binary choice panel models． Key words: Binary Choice; Panel Data; Model Specification; RESET Test 一、引言 异方差问题在计量经济学研究中是经常出现的 一个现象。 对于线性模型估计的最小二乘法，如果 扰动项是异方差的，那么估计结果是一致的但不再 有效。 但是对离散选择模型而言，极大似然估计可 能不是一致的也不是有效的，通常的信息矩阵计算 结果也是错误的( Yatchew ＆ Griliches，1985 ) 。 所以 相对线性模型而言，非线性模型的异方差等模型误 设问题更加需要关注。 由于在非线性模型中不存在 一个可以有效刻画模型规模的残差，所以在线性模 型中常 用 的 BP ( Breush and Pagan ) 的 LM 检 验 和 White 检验都不再适用。 一个常用的方法是 Harvey ( 1976 ) 的指数模型。 这个方法的缺点主要有三点， 首先，新模型比原模型复杂，在估计的时候变得困难 型，因为我们无法消除固定效应冗余参数带来的极 大似然估计量的不一致性。 异方差问题也是分布误设的一种。 与异方差一 样，分布误设在非线性模型中会导致极大似然估计 量的不一致性。 对非线性模型的设定检验，当前主 要有两种。 一个是 Voung( 1989 ) 在较为一般的框架 下提出的分布设定检验 LR 统计量。 但是这种方法 的缺点在于强烈依赖于真实的未知分布，而且只能 在两个分布中做出选择，而非对真实分布进行识别 检验。 另一个 方 法 是 Silva ( 2001 ) 在 Cox ( 1961 ) 的 基础上针对离散截面数据模型提出非嵌套分布设定 偏误检验的 LM 统计量。 Monte Carlo 模拟显示这种 方法对截面二元选择模型具有较好的功效。 虽然我 们可以直接地将这种嵌套技术应用到面板二元选择 很多，而且在实际应用中可能很难寻找到导致异方 差的变量; 其次是新模型变量的边际效应比原模型 也要复杂很多，某些变量的系数在实证中可能无法 解释; 最后，此方法无法应用到固定效应面板数据模  * 感谢国家自然科学基金项目“截