第十章模型选择：标准与检验.ppt

第十章：模型选择：标准与检验 隐含假定模型是“对现实的真实反映” 专业地说，假定所选模型中不存在设定偏差或者设定误差 问题 “好的”或者“正确”的模型有哪些性质？ 存在哪几种类型的设定误差？ 设定误差的后果是什么？ 如何诊断设定误差？ 一、“好的”模型具有的特性 经济计量学家哈维(A.C.Harvey)列出如下标准： 节省性： 可识别性： 拟合优度 理论一致性 预测能力 1、节省性 节省性：一个模型永远也无法完全把握现实，在任何模型的建立过程中，一定程度的抽象或者简化是不可避免的。 2、可识别性 可识别性：即对给定的一组数据，估计的参数必须具有唯一值，或者说每个参数只有一个估计值。 3、拟合优度 拟合优度：回归分析的基本思想是用模型中所包括的解释变量来尽可能地解释被解释变量的变化。 4、理论一致性 理论一致性：无论拟合优度有多高，一旦模型中的一个或多个系数的符号有误，该模型就不能说是一个好的模型。 5、预测能力 预测能力：“对假设（模型）的真实性唯一有效的检验就是将预测值与经验值比较” 二、设定误差的类型 遗漏相关变量：“过低拟合”模型 包括不相关变量：“过度拟合”模型 不正确的函数形式 1、遗漏相关变量：“过低拟合”模型 假定“真实”模型如下： Yt=b0+b1X1t+b2X2t+ut 估计方程： Yt=a0+a1X1t+vt 遗漏变量偏差 动态设定偏误（dynamic mis