第七章 扩张的单方程计量经济学模型.ppt

3、省略变量检验 经典模型中采用的变量显著性t检验仍然是有效的。 如果省略的变量与保留的变量不是正交的，那么对参数估计量将产生影响，需要进一步检验这种省略是否恰当。 如果X2中的变量省略后对参数估计量没有影响，那么H1和H0情况下的对数最大似然函数值应该相差不大，此时LR统计量的值很小，自然会小于临界值，不拒绝 H0。 检验步骤 首先进行约束模型的估计 选择系数检验 引入省略的变量 判断 省略CC，只保留CM，估计模型 选择”Omitted Variables-LR Test” 引入CC 拒绝CC系数为0的0假设 4、异方差性检验 截面数据样本，容易存在异方差性。 假定异方差结构为： 采用LM检验 将解释变量分为两类，Z为只与个体特征有关的变量。显然异方差与这些变量相关。 将异方差检验问题变为一个约束检验问题 一般都存在异方差。 不检验，采用White修正进行估计 5、分布检验 检验关于分布的假设（probit、logit ）。 一般不进行该项检验。 具体见相关教科书（Greene,P682）。 β：模型1的参数，γ：模型2的参数。 组合模型的似然函数： 构造LM统计量，如果不拒绝零假设，表明模型1是适当的。 6、回代检验 当二元离散选择模型被估计后，将所有样本的解释变量观测值代入模型，计算得到每个样本的被解释变量选择1的概率，与每个样本被解释变量的实际观测值进行比较，以判断模型的预测（回代）效果，是一种实际有效的模型检验方法。 确定临界值方法： 朴素选择：p=0.5 (1、0的样本相当时） 先验选择：p=（选1的样本数/全部样本）（全样本时） 最优阈值：犯第一类错误最小原则 例7.2.2 朴素选择，即以0.5为阈值：除了2个样本外，所有样本都通过了回代检验。 先验选择，即以选择1的样本的比例0.41为阈值：除了1个样本外，所有样本都通过了回代检验。 实例—财务欺诈识别模型 我国上市公司财务欺诈识别模型 样本：年度报告审计意见为“无法发表意见”或者“证监会立案调查”等公司属于财务欺诈样本；年度报告审计意见为“标准无保留意见”和财务报表满足“利润×现金流量＞0”的公司属于配对样本。 解释变量：开始选择11个财务指标；通过T检验，确定6个指标：资产负债率、资产毛利率、资产周转率、营运资金比率、应收账款周转率、经营活动现金流量/资产额。 样本：财务欺诈公司30，非财务欺诈公司30 采用犯第一类错误最小原则确定最优阈值为0.68 欺诈样本中，p0.68，26个，占86.7% 非欺诈样本中，p0.68，25个，占83.3% 实例—上市公司并购 被解释变量：当年发生并购行为为1，反之为0。 解释变量：净利润率、……，全流通虚变量。 试图研究全流通都并购的影响。 样本：1994-2008上市公司，并购样本731，非并购样本9835。 采用先验原则，P=5% 模拟结果： 并购样本中：p5%占53% 非并购样本中：p5%占72% §7.3 Panel Data 模型 一、概述 二、模型的设定——F检验 三、固定影响变截距模型 四、固定影响变系数模型 §7.2 二元选择模型 Binary Choice Model 一、二元离散选择模型的经济背景 二、二元离散选择模型 三、二元Probit离散选择模型及其参数估计 四、二元Logit离散选择模型及其参数估计 五、二元离散选择模型的检验 说明 在经典计量经济学模型中，被解释变量通常被假定为连续变量。但是，经济分析中经常面临许多决策问题，或称为选择问题。如，事件发生与否；对某一建议持强烈反对、反对、中立、支持、强烈支持5种态度。 离散被解释变量数据计量经济学模型（Models with Discrete Dependent Variables）或离散选择模型(DCM, Discrete Choice Model)。 二元选择模型(Binary Choice Model)和多元选择模型(Multiple Choice Model)。 本节只介绍二元选择模型。 离散选择模型起源于Fechner于1860年进行的动物条件二元反射研究。 1962年，Warner首次将它应用于经济研究领域，用以研究公共交通工具和私人交通工具的选择问题。 70、80年代，离散选择模型被普遍应用于经济布局、企业定点、交通问题、就业问题、购买决策等经济决策领域的研究。 模型的估计方法主要发展于80年代初期。 一、二元离散选择模型的经济背景 实际经济生活中的二元选择问题 研究选择结果与影响因素之间的关系。 影响因素包括两部分：决策者的属性和备选方案的属性。 对于单个方案的取舍。例如，购买者对某种商品的购买决策问题 ，求职者对某种职业的选择问题，投票人对某候选人的投票决策，银行对某客户的贷款决策。由决策者的属性