中级计量经济学课件计量经济学中5单方程高级问题幻灯片.pptVIP

1. 观测值的丢失 假设一元线性回归模型为 如果X和Y都有N个观测值，则斜率的LS估计为 其中 和 代表前N个观测的样本均值。假设因变量还有另外M个观测值，而解释变量X的这M个观测值丢失了。下面根据两种情形，分别提出解决办法。 1、M个观测是随机的 ⑴忽略法 最简单的办法是忽略这M个观测。斜率的LS估计仍然是β2的无偏和一致估计量，惟一影响是损失有效性。 ⑵均值替代法(0阶法) 令丢失的观测值取已有观测的样本均值 。这相当于X对常数项回归，并令每一个丢失观测等于估计系数。显然对于一元线性回归模型，这种做法不改变斜率的LS估计量和它的方差。 2、 M个观测不是随机的 对时间序列，寻找与丢失观测值变量高度相关的代理变量。 ⑴时间变量回归法 变量X直接对时间变量t回归，用回归拟合值代替丢失观测值。如果时间变量与误差项不相关的话，它将产生参数的一致估计。 ⑵工具变量法(一阶法) 假设对于丢失观测值的变量可以找到一组“工具变量”：Z2,…,Zk。这些工具变量与X高度相关，与误差项εi无关。首先，X对这组工具变量进行回归： 然后对丢失的观测计算拟合值： 接下来就可以对原模型重新回归： 其中 这样可以得到斜率的一致估计。 这一方法尽管有用，但也存在以下三点不足： 第一，异方差问题。可以采用加权LS加以处理； 第二，不止一个变量丢失观测时，回归的顺序会影响参数的估计； 第三，工具变量不容易找。 做好人， 靠的是一颗善良的心； 做老好人， 靠的是一张善变的脸。 梦想 是一个天真的词， 实现梦想， 则可能是一个 残酷的词。 9.1 受约束回归 在建立回归模型时，有时根据经济理论需对模型中变量的参数施加一定的约束条件。 如： 0阶齐次性 条件的消费需求函数 1阶齐次性 条件的C-D生产函数 模型施加约束条件后进行回归，称为受约束回归（restricted regression）; 不加任何约束的回归称为无约束回归（unrestricted regression）。 受约束回归 一、模型参数的线性约束 二、对回归模型增加或减少解释变量 一、模型参数的线性约束 对模型 施加约束 得 或 (*) (**) 如果对（**）式回归得出 则由约束条件可得： 然而，对所考查的具体问题能否施加约束？ 需进一步进行相应的检验。常用的检验有： F检验、x2检验与t检验， 主要介绍F检验 在同一样本下，记无约束样本回归模型为 受约束样本回归模型为 于是 受约束样本回归模型的残差平方和RSSR为： 于是 e’e为无约束样本回归模型的残差平方和RSSU (*) 受约束与无约束模型都有相同的TSS 由（*）式 RSSR ? RSSU 从而 ESSR ? ESSU 这意味着，通常情况下，对模型施加约束条件会降低模型的解释能力。 但是，如果约束条件为真，则受约束回归模型与无约束回归模型具有相同的解释能力，RSSR 与 RSSU的差异变小。 可用RSSR - RSSU的大小来检验约束的真实性 根据数理统计学的知识： 于是： 如果约束条件无效， RSSR 与 RSSU的差异较大，计算的F值也较大。 于是，可用计算的F统计量的值与所给定的显著性水平下的临界值作比较，对约束条件的真实性进行检验。若FF?，表明约束条件为假；若F≤F? ，表明约束条件为真。 kU - kR恰为约束条件的个数。 例3.5.1 建立中国城镇居民食品消费需求函数模型。 根据需求理论，居民对食品的消费需求函数大致为 Q:居民对食品的需求量，X：消费者的消费支出总额 P1：食品价格指数，P0：居民消费价格总指数。 零阶齐次性，当所有商品和消费者货币支出总额按同一比例变动时，需求量保持不变 (*) (**) 为了进行比较，将同时估计（*）式与（**）式。 根据恩格尔定律，居民对食品的消费支出与居民的总支出间呈幂函数的变化关系: 首先,确定具体的函数形式 对数变换: 考虑到零阶齐次性时 (***) (****) (****)式也可看成是对（***）式施加如下约束而得 因此，对（****）式进行回归，就意味着原需求函数满足零阶齐次性条件。 X：人均消费 X1：人均食品消费 GP：居民消费价格指数 FP：居民食品消费价格指数 XC：人均消费（90年价） Q：人均食品消费（90年价） P0：居民消费价格缩减指数（1990=100） P：居民食品消费价格缩