第10章型设定.ppt

第10章 模型设定 主要内容 第一节 选择函数形式 第二节 模型设定 第三节 数据问题 第一节 选择函数形式 第二节 模型设定 亨德瑞的约化建模理论，吸收了向量自回归建模法与协整理论的部分内容，提出了“从一般到简单”的建模思想，在现代计量经济建模理论方面有着较大影响。 1、传统建模理论与数据开采问题 传统计量经济学的主导建模理论是“结构模型方法论”： 以先验给定的经济理论为建立模型的出发点， 以模型参数的估计为重心， 以参数估计值与其理论预期值相一致为判断标准， 是一个“从简单到复杂”的建模过程（simple-to-general approach）: 2、“从一般到简单”——约化建模型理论 该理论认为：在模型的最初设定上，就设立一个“一般”的模型，它包括了所有先验经济理论与假设中所应包括的全部变量，各种可能的“简单”模型都被“嵌套”（nested）在这个“一般”的模型之中。然后在模型的估计过程中逐渐剔除不显著的变量，最后得到一个较“简单”的最终模型。 这就是所谓的“从一般到简单”（general-to-specific）的建模理论。 包容性F检验主要存在以下问题: (1)人为构造的一般模型没有实际的经济意义，尤其在H0与H1分别反映两种对立的经济理论的情况下更是如此； (2)有可能出现同时接受或拒绝H0与H1的现象； (3)当Z与W高度相关时，往往导致既不能拒绝H0 ，也不能拒绝H1 ，因为在一般模型中去掉任何一个变量，都不会使拟合优度下降很多。 另一个解决办法是建立如下的一般模型： 如果?=0，则为模型H0， 如果?=1，则为模型H1。 因此，可通过检验施加的约束?=0是否为真来判断H0是否为正选模型。 问题是由该模型无法直接估计出?的值。戴维森（Davidson）和麦金农（Mackinnon）建议通过下面步骤估计?： 4、约化模型的准则 从一般到简单的建模过程，同样存在着数据开采问题。 一个“一般”模型经过k步约化后得到最终的简化模型，可以证明，每一步中的名义显著性水平?与最终模型中各种检验的实际显著性水平?*间有如下关系： ?*=1-(1- ?)k “从一般到简单”的建模过程本身就是一项十分艰巨复杂的工作。各约化步骤往往是需要反复进行的，约化步骤的顺序也需要灵活按排。 而且，从实践上看，由于各种因素的影响，所建立的最终的简化模型不一定就是最“理想”的模型。亨德瑞给出了一个约化模型的基本准则： 第三节 数据问题 第四节 举例 研究关税变化、贸易政策、加入WTO等影响的需要 模型所分析的数据类型：时间序列数据 被解释变量：所研究商品进口数量或金额； 解释变量：进口商品价格（到岸价、国内市场价）、国产替代品价格、收入水平等。 ( ) ( ) ( ) e a a a m b b b m + + + + + + - = W X Z X Y 2 1 0 2 1 0 1 第一步，对模型H1进行OLS估计，得到?： 第二步，用估计值代替“一般模型”中的 ?0+ ?1X+?2W，并进行OLS估计： 戴维森和麦金农证明：在大样本下，H0为真时，?的OLS估计量的t统计量服从标准正态分布： t~N(0,1)。 因此，如果?的t 统计量的绝对值大于给定显著性水平下的临界值，就拒绝模型H0。 如果要检验模型H1是否为真，仍可通过上面两个步骤进行，但需先对H0进行OLS估计，得到?，以它为另一解释变量估计如下模型： 如果?显著地异于0，则拒绝模型H1为真的假设。 该非嵌套假设检验也被称为J检验（J test），因为需将两非嵌套模型联合起来进行参数的联合估计（joint estimation）。 注意：(1)拒绝H0(或H1)不意味着接受H1(或H0)；(2)J检验仍然存在同时接受或拒绝H0与H1的现象。 然而，与“从简单到复杂”这一传统建模方法相比，“从一般到简单”的建模过程能够展现模型建立的全过程； 同时建模过程的程式化（systematic manner）也避免了过度的“数据开采”问题。 由于一定程度的数据开采不可避免， “从一般到简单”建模理论倡导更加关注模型的样本外预测（out-of-sample forecast）。 “从一般到简单”的建模方法，初始模型就可能包括了所有的相关变量，没有必要再进行遗漏相关变量的设定偏误检验。 第一，模型必须具有数据一致(data-coherent)性，即模型能够正确地解释已有的数据。约化过程