i第九章 设定误差与测量误差.pptVIP

* 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。 采用修正的 DW 检验法进行检验即扩大拒绝区域，宁可判别残 差中存在正的自相关，认为也存在遗漏变量。 * 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。 ●因此，可以进行残差序列关于相关变量的回归。在一定显著水平下，若相关变量对残差序列的影响具有统计显著性，则认为存在遗漏变量形成的设定偏误；若相关变量的影响不具有统计显著性，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。 三、一般性检验（RESET） 一般性检验（regression error specification test，RESET）是拉姆齐(Ramsey)于1969年提出的一种检验方法。 基本思想：如果事先知道遗漏了哪个变量，只需将此变量引入模型，估计并检验其参数是否显著不为零即可，可是问题是并不知道遗漏了哪个变量，这时可寻找一个替代变量Z来进行上述检验。 * RESET检验中，替代变量Z通常选用所设定模型被解释变量拟合值?若干次幂的线性组合。 若模型估计所得的残差包含着遗漏的相关变量，那么这个残差可用被解释变量拟合值?的线性组合近似表示； 若这个线性组合的影响是显著的，则认为原模型的设定有误。 由于可引入若干个替代变量去判断是否有多个变量被遗漏，所以该方法被称为一般性设定偏误检验。 * RESET检验的基本步骤 第1步：对模型进行回归，用OLS法估计 * 分别得到Yi的拟合值 和残差ei。若残差ei与拟合值 之间存在某种函数关系，则可用拟合值 若干次幂的线性组合充当工具变量； 第2步：用被解释变量Yi的拟合值 的线性组合，测度残差中是否包含着遗漏的相关变量。 具体做法为，在第1步的模型中增加一个包含拟合值 的函数。这个函数通常选择为拟合值 的平方、立方和四次方的线性组合。 * 例如，对 进行估计。 第3步：构造原假设： 。然后用F统计量进行检验。F检验统计量为： 本例中，F统计量为： 若F统计值大于F临界值，则拒绝原假设，表明存在某种形式的设定误差问题。 use nerlove.dta,clear qui reg lntc lnq lnpl lnpk lnpf linktest //连接检验 estat ovtest // Ramsey’ RESET检验 gen lnq2=lnq^2 r