计量经济学--第五章-误设定.pptVIP

在一个实际问题的回归建模中， 越大，所对应的回归方程越好。如果我们仅从拟合的角度追求“最优”，则所有回归子集中 最大者对应的回归模型就是“最优”模型。 2. 基于预测的均方误差最小的三个准则 希尔的准则是基于回归的标准误差最小，下列三个准则则是基于预测的均方误差（MSE）最小。这三个准则是： 马娄斯（Mallows）的 准则 霍金（Hocking）的 准则 阿美米亚（Amemiya）的PC准则 假设正确的方程有k个解释变量，我们考虑的方程有 个解释变量，问题是如何选择k1以及具体的k1个解释变量的集合。在上述三个预测准则中，这是通过使的均方误差 达到最小实现的，其中 是Y的未来值，而 是预测值。 另一件要注意之事是， 最大准则与预测准则 、 或PC回答的是两个不同的问题。 在 最大准则的情况下，假定备选模型中有一个是正确的，我们要做的是挑出“正确”模型。 而在三个预测准则的情况下，我们感兴趣的是改善预测的MSE，只要能改善，可以去掉某些变量，即便是正确模型中包括它们也在所不惜。 3. 赤池信息准则（AIC） 赤池信息准则（Akaike’s Information Criterion,AIC）是一个更一般的准则，它可以应用于任何一个可用极大似然法估计的模型。对于我们这里的应用，AIC的计算公式为 与赤池信息准则类似的还有施瓦茨信息准则（Schwarz information criterion，SIC）：  上述两个准则与前述准则 一样，可用于模型选择，其值也是越小越好。 在回归分析的建模过程中，对每一个回归子集计算AIC，其中AIC最小者所对应的模型是“最优”回归模型。 AIC准则只能用于比较同一种方法拟合得到的回归模型。 * 下面用一个实际经济例子，对所有回归子集计算上述四个统计量，综合比较一下“最优”回归子集的选择。 【例5.5】用y表示某种消费品的销售额，x1表示居民可支配收入，x2表示该类消费品的价格指数，x3表示其他消费品平均价格指数。表中给出了某地区18年来某种消费品情况资料，试建立该地区该消费品销售额预测方程。 * 序号 X1（元） X2（％） X3（％） Y（100万元） 1 81.2 85.0 87.0 7.8 2 82.9 92.0 94.0 8.4 3 83.2 91.5 95.0 8.7 4 85.9 92.9 95.5 9.0 5 88.0 93.0 96.0 9.6 6 99.9 96.0 97.0 10.3 7 102.0 95.0 97.5 10.6 8 105.3 95.6 97.0 10.9 9 117.7 98.9 98.0 11.3 10 126.4 101.5 101.2 12.3 11 131.2 102.0 102.5 13.5 12 148.0 105.0 104.0 14.2 13 153.0 106.0 105.9 14.9 14 161.0 109.0 109.5 15.9 15 170.0 112.0 111.0 18.5 16 174.0 112.5 112.0 19.5 17 185.0 113.0 112.3 19.9 18 189.0 114.0 113.0 20.5 * 自变量子集 R2 修正R2 平均残差平方和 AIC Cp **x1,x2,x3 0.98111 0.977064 0.4114786 2.143 4 x1,x2 0.974722 0.971352 0.5139509 2.32326 6.73558 *x1,x3 0.978405 0.975526 0.4390641 2.165779 4.00566 x2,x3 0.95755 0.95189 0.8630927 2.841656 19.4638 x1 0.972836 0.971138 0.52 2.284115 6.1335 x2 0.95662 0.953908 0.8268813 2.752222 18.15334 x3 0.950818 0.947744 0.9374706 2.877746 22.45364 * 由5项指标均可看出x1，x2，x3是“最优”子集，x1，x3是“次优”子集。因为这个实际问题所涉及的自变量本来就较少，所以从