经济数学微积分极限运算法则介绍与讲解.pptVIP

§5.4从传统建模理论到约化建模理论 一、传统建模理论与数据开采问题 二、“从一般到简单”——约化建模型理论 三、非嵌套假设检验 四、约化模型的准则 一、传统建模理论与数据开采问题 传统计量经济学的主导建模理论是“结构模型方法论” 以先验给定的经济理论为建立模型的出发点， 以模型参数的估计为重心， 以参数估计值与其理论预期值相一致为判断标准， 是一个“从简单到复杂”的建模过程（simple-to-general approach）:对不同变量及其数据的偿试与筛选过程。 传统建模方法主要的缺陷：建模过程的所谓“数据开采”（Data minimg）问题。 数据开采:对不同变量及其数据的偿试与筛选。 这一过程对最终选择的变量的t检验产生较大影响 当在众多备选变量中选择变量进入模型时，其中t检验的真实的显著性水平已不再是事先给出的名义显著性水平。 显著性水平意味着将一个无关变量作为相关变量选入模型而犯错误的概率。 罗维尔（Lovell）给出了一个从c个备选变量中选取k个变量进入模型时，真实显著性水平?*与名义显著性水平?的关系： ?*=1-(1- ?)c/k 例如： 给定?=5%，如果有2个相互独立且与被解释变量无关的备选变量，误选一个进入模型的概率就成了 1-(1-0.05)2=0.0975 传统建模方法的另一问题是它的“随意性”。 其结果是：对同一研究对象，使用同一数据，但不同的建模者往往得出不同的最终模型。 二、“从一般到简单”——约化建模型理论 该理论认为：在模型的最初设定上，就设立一个“一般”的模型，它包括了所有先验经济理论与假设中所应包括的全部变量，各种可能的“简单”模型都被“嵌套”（nested）在这个“一般”的模型之中。然后在模型的估计过程中逐渐剔除不显著的变量，最后得到一个较“简单”的最终模型。 这就是所谓的“从一般到简单”（general-to-specific）的建模理论。 (1)约化建模理论提出了一个对不同先验假设的更为系统的检验程序； (2)初始模型就是一个包括所有可能变量的“一般”模型，也就避免了过度的“数据开采”问题； (3)由于初始模型的“一般”性，所有研究者的“起点”都有是相同的，因此，在相同的约化程序下，最后得到的最终模型也应该是相同的。 特点： 例题： 例3.5.1曾建立了一个中国城镇居民食品消费模型： Q=f(X,P1,P0) 然而，有理由认为X、P1、P0的变化可能会经过一段时期才会对Q起作用，因为消费者固有的消费习惯是不易改变的。于是，可建立如下更“一般”的模型： 经 济 数 学 第四节 极限运算法则 一、极限运算法则 定理 证 由无穷小运算法则,得 推论1 常数因子可以提到极限记号外面. 推论2 有界， 二、求极限方法举例 例1 解 小结: 解 商的法则不能用 由无穷小与无穷大的关系,得 例2 解 例3 (消去零因子法) 解 例7 解 先变形再求极限. 例8 解 例9 解 左右极限存在且相等, 意义： 例8 解: 原式 三、小结 思考 1. 极限的四则运算法则及其推论; 2. 极限求法; a.多项式与分式函数代入法求极限; b.消去零因子法求极限; c.无穷小因子分出法求极限; d.利用无穷小运算性质求极限; e.利用左右极限求分段函数极限. 3. 复合函数的极限运算法则 思考题 在某个过程中，若 有极限， 无极限，那么 是否有极限？为什么？ 思考题解答 没有极限． 假设 有极限， 有极限， 由极限运算法则可知： 必有极限， 与已知矛盾 故假设错误． 一、填空题: 练 习 题 二、求下列各极限: 练习题答案 （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。 Zarembka（1968）提出的检验统计量为： 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