[数学]第七章 模型选择：标准与检验新.ppt

实践中的回归分析 第六章 复习要点 多分类定性变量引入虚拟变量的一般原则 差别截距系数（加法引入虚拟变量参数估计值）、差别斜率系数（乘法引入虚拟变量参数估计值）的含义 回归结果分析:具体参见书后练习题重点 6.6, 6.7, 6.11, 6.13 , 6.16, 6.20, 6.21, 6.22, 6.27, 6.28 采用遗漏相关变量的模型进行估计而带来的误差称为遗漏相关变量误差 举例：婴儿死亡率的决定因素 被解释变量：婴儿死亡率（CM) 解释变量：人均国民收入PGNP； 女性识字率 FLR 正确模型：上述三个变量模型(CM对PGNP、FLR回归） 错误模型：遗漏FLR变量的两个变量模型（CM对PGNP回归） 结论：不包含女性识字率的双变量模型，错误之处：不仅忽略了遗漏变量“女性识字率”对婴儿死亡率的影响，而且，也忽略了女性识字率对人均国民收入的影响。 因此，错误模型中的解释变量PGNP，就担负起遗漏变量“女性识字率”对被解释变量（CM)的影响，从而无法表现出PGNP对CM的真实的影响。 提示：在建立计量经济模型时，需要对所研究现象所蕴含的经济理论做深入了解，目的是把相关变量都引入模型中。 包含无关变量偏误：采用包含无关解释变量的模型进行估计带来的偏误。 例7-2：举例说明 第六章中的6.5:食品支出模型 被解释变量：食品支出 解释变量：税后收入（x），“性别”（采用加法引入和乘法引入两个变量（D、DX) 模型： 回归结果： Y=1432.577+0.0616X-67.893D-0.0063DX t=（5.765) (7.376) (-0.194) (-0.485) 结论 前面的模型中引入了差别截距、差别斜率变量的虚拟变量模型，由于D、DX参数估计值都不显著，而引入虚拟变量D的差别截距模型（6-9） 的虚拟变量系数显著，表明，差别斜率虚拟变量DX很可能属于多余的。也就是说，食品支出模型中，正确的引入解释变量，应该是定量变量：税后收入X，虚拟变量D 食品支出模型引入虚拟变量D，表明：男女食品支出的平均水平（截距）存在差异，但男女食品支出的变化率（斜率）无差异。 当选取了错误函数形式并对其进行估计时，带来的偏误称错误函数形式偏误 容易判断，这种偏误所估计的模型参数估计量是有偏估计。 例7-3：举例说明 被解释变量：美国进出口商品支出 解释变量：个人可支配收入（PDI)、年份（Year) 线性回归模型与对数回归模型所得到的参数估计值含义是完全不同的，（详细解释见教材第170页） 7.7.1检验是否含有无关变量 （1）残差图示法 但更准确更常用的判定方法是拉姆齐(Ramsey)于1969年提出的所谓RESET 检验（regression error specification test）。 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； 问题是不知道遗漏了哪个变量，需寻找一个替代变量Z，来进行上述检验。 RESET检验中，采用所设定模型中被解释变量Y的估计值?的若干次幂来充当该“替代”变量。 第二部分 虚拟变量的常见应用 描述不同类型(如：不同“性别”的人食品消费支出是否存在差异）的数量规律 定性因素间的交互作用 如例：“黑人女性”是否受到双重歧视 多种类别的定性变量（如：美国不同地区研究生接受率差异） 控制时间特征 季节虚拟变量 年份虚拟变量，长期的序列分为二、三段 制度效应：“国八条”房地产调控政策影响效应 基本假定违背：不满足基本假定的情况。 （1）模型设定有偏误；所选模型是正确设定的 （2）解释变量之间存在多重共线性； （3）随机误差项序列存在异方差性； （4）随机误差项序列存在序列相关性。 所选模型是正确设定的 解释变量之间不存在完全线性关系 误差项方差为常数 误差项之间不相关 基本假定 基本假定 基本假定 基本假定 第七章 模型选择：标准与检验 7.1好的模型具有的性质 7.2设定误差的类型 7.3遗漏相关解释变量的模型:过低拟合模型 7.4引入不相关解释变量模型:过度拟合模型 7.5不正确的函数形式 7.6变量的度量误差 7.7模型设定误差的检验 7.1“好的”模型具有的性质 简约性 可识别性 拟合优度 理论一致性 预测能力 模型是对现实的抽象，模型应尽可能简洁 即能够用少数解释变量能够说明一个被解释变量就不要用多个解释变量 每个参数只有一个估计值 对样本数据的拟合程度较好 参数估计值的符号与经济理论相符 预测值与经验值检验模型的有效性，即具有良好的预测能力 7.2设定误差的类型:四个 遗漏相关变量 采用了错