回归模型的设定检验 计量经济学 EVIEWS建模课件教学讲义.pptxVIP

模型的设定检验;一、模型设定误差及其分析;1.遗漏相关的变量（omitting relevant variables）;例如：; (1)如果漏掉的X2与X1相关，则上式中的第二项在小样本下求期望与大样本下求概率极限都不会为零，从而使得OLS估计量在小样本下有偏，在大样本下非一致。但是，这会出现多重共线性。;这时由于?2=0，则(**)与(*)相同，即可将(**)式视为以?2=0为约束的(*)式，可以通过检验来确定。 但是，如果将无关的变量纳入模型，则进行OLS估计，虽然可得到无偏且一致的估计量，却会产生其估计量不具有最小方差性的性质。这也是因为： 只有在X1与X2完全无关时，有可能： 在X1与X2相关时， 。; 3. 错误的函数形式 (wrong functional form);㈡ 设定问题分析基础－分部回归分析;该分块式正规方程可分为： 方程１：X1TX1b1+X1TX2b2=X1TY； 方程２：X2TX1b1+X2TX2b2=X2TY； 对这两个方程进行讨论，可以发现很多有用??息。 具体分析如下： ⒈ 当X1与X2为无关矩阵时 据方程1有： b1=(X1TX1)-1X1TY-(X1TX1)-1(X1TX2)b2 因为X1TX2=0，所以有： b1=(X1TX1)-1X1TY;据方程２有： b2=(X2TX2)-1X2TY-(X2TX2)-1(X2TX1)b1 即：b2=(X2TX2)-1X2TY； ⒉当X1与X2为相关矩阵（即X1TX2≠0）时： 据方程１有： b1=(X1TX1)-1X1TY-(X1TX1)-1X1TX2b2 将b1代入方程２有： X2TX1[(X1TX1)-1X1TY-(X1TX1)-1X1TX2b2]+X2TX2b2= X2TYX2TX1(X1TX1)-1X1TY- X2TX1(X1TX1)-1X1TX2b2+X2TX2b2 =X2TY；;　　移项并提公因式有： X2T[I- X2TX1(X1TX1)-1X1T]X2b2=X2T[I-X1(X1TX1)-1X1T]Y 设：I-X1(X1TX1)-1X1T=M1； 即方程2变为：X2TM1X2b2=X2TM1Y； 又∵M1是对称幂等矩阵； ∴估计b2的正规方程为： X2TM1TM1X2b2=X2TM1TM1Y ∵e=Y-XB=Y-X(XTX)-1XTY=(I-X(XTX)-1XT)Y=MY ∴M1Y是Y对X1回归后的残差；设：M1Y=eY1 M1X2是X2对X1回归后的残差；设:M1X2=e21;即有正规方程： (e21Te21)b2=e21TeY1 可见b2是eY1对e21的回归的参数解，即： b2=(e21Te21)-1e21TeY1 这说明X2对X1的回归残差决定着Y 对X1的残差，其决定程度就是?2。即在X1与X2相关时，b2反映的是扣除X1对X2的影响后的X2，对扣除X1影响后的Y的影响程度。 可见当X1与X2无关时，对模型设定的影响不大，而大两者相关时，则对模型的设定的影响就大了。;㈢应用分部回归分析模型设定问题 ;以一元模型Y＝β0+β1X＋ε为例分析如下： 将其分为两个方程有： 方程１是Y＝β0； 方程２是Y＝β1X； 则有β1的估计值b1为： b1=(e10Te10)-1e10TeY0＝∑xy/∑x2 即x和y的平均水平为零或过原点时的斜率，该系数表明X和Y都剔除常数项i的影响之后，X对Y的影响程度。;⒉部分估计量的方差 ;⒊模型设定Model Specification ;　Var(b`)=σ2(X1TX1)-1 　Var(b1)=σ2(X1TM2X1)-1 　 =σ2{X1T[I－X2(X2TX2)-1X2T]X1}-1 　 =σ2[X1TX1)-1－X1TX2(X2TX2)-1X2TX1]-1 　注：?V≠0，有： 　V TX1TX2(X2TX2)-1X2TX1V=ST(X2TX2)-1S≥0，即(X2TX2)-1的正定，使得Var(b1)的分母为两个正数之差，这样与Var(b`)的分母只差一个被减项，所以有: Var(b`)≤Var(b1) 这说明影响因素越多其参数估计量的方差越大。;⑵加入了无关变量的情况 ;　又∵Var(b1)=σ2(X1TX1)-1 　Var(b`1)=σ2(X1TM2X1)-1 　　　　　　　=σ2{X1T[I－X2(X2TX2)-1X2T]X1}-1 　 =σ2[X1TX1－X1TX2(X2TX2)-1X2TX1]-1 　 ∴当X2TX1＝0时，Var(b`1)= Var(b1) 　当X2TX1≠0时，有?V≠0，使： V TX1TX2(X2TX2)-1X2TX1V=