关于计量经济学经典线性回归模型基本假定的思考.docVIP

关于计量经济学经典线性回归模型基本假定的思考 在计量经济学建模实践中，研究者都力所能及的令所创建的模型满足经典线性回归模型的所有基本假定，因为只有这样，该模型的参数估计才具有一系列的优良统计性质，与之相关的各种假设检验才精确可靠，模型总体l来讲也才具有最佳的应用价值，否则，模型将或多或少存在着不足之处，使得其应用性能大打折扣。为什么计量经济学模型需要这些基本假定呢？这些假定又具有什么样的意义呢？对于这些最基本的问题，笔者将结合计量经济学的教学实践经验以及对该学科的理解，来对计量经济学经典线性回归模型的基本假定作出通俗的解释。　　　　1.计量经济学模型需要完美性　　　　辨证唯物主义告诉我们，不管是什么偶然的现象，其背后都有必然的规律性在起着支配作用，世界是偶然性与必然性的辩证统一。科学研究的目的，即是在诸多的偶然性现象中发现其不变的必然性，从而推动人类物质文明和精神文明的进步。　　计量经济学的研究也不例外，其目的是为了在复杂多变的经济现象中发现其不变的本质，从而获得对特定经济系统的规律性认识，为经济发展与社会进步服务。计量经济学通过创建数学模型来揭示经济现象的数量规律，从而弥补了以逻辑推理和文字描述为主、缺乏定量分析的经济理论的不足。以研究商品需求为例，传统的经济学理论“需求定律”只能告诉我们商品需求与价格之间具有反向变动的关系，但无法告诉我们当价格变化一定量时，需求会随之变化多少量，而计量经济学的建模分析则能够把两者之间的定量关系估计出来，这种能力是其他经济学理论所不能替代的。　　既然计量经济学建模分析的目的是通过创建适当的数学模型来揭示经济变量之间的数量规律性，那么计量经济学就必须首先要回答这样一个问题一一“我们到底需要一个什么样的计量经济学模型？”这个问题的答案是显而易见的，那就是，我们需要一个“尽可能完全揭示经济变量之间的数量规律性”　　（以下称“第一大完美性特征”）并且“便于进行研究” （以下称“第二大完美性特征”）的计量经济学模型。这里的“便于进行研究”是指便于进行参数估计和假设检验，并且便于进行数学推导。很显然，具备这两大特征的计量经济学模型才是最完美的模型。尽管这种“完美模型”的第一大特征在现实中可能不会完全存在，但在理论上我们必须事先创建出一个完美的标准，以此来作为参照系，从而才能对现实模型作出优劣的比较、判断和修正，使之更好地揭示经济变量之间的规律性。　　根据计量经济学的基本理论，我们不难发现，经典线性回归模型就是具备“尽可能完全揭示经济变量之间的数量规律性和“便于进行研究”这两大特征的完美模型。接下来，笔者将从“模型完美性”角度出发，对经典线性回归模型的基本假定（不含正态性假定）在两大完美特征方面对其作出通俗的解释。　　　　2.与第一大完美性特征有关的基本假定　　　　2.1假定： “线性回归模型是指对参数而言为线性的回归模型。” ‘根据该假定，因变量和解释变量以线性或非线性形式进入回归模型都是允许的，但参数必须要求在本质上是线性的。参数线性这一假定并不符合实际，因为从现实来讲，经济变量之间的关系在参数上往往不是线性的。既然如此，那为什么还要假定参数线性呢？原因在于，参数线性的模型可以很方便地实现参数估计和假设检验，而参数非线性的模型在参数估计和假设检验上处理起来就困难得多。因此，参数线性这一假定显然是违背模型的“第一大完美性特征”的，其意义仅在于“便于进行研究”。　　2.2假定： “随机干扰项的条件均值为零。”　　为了简单起见，以双变量回归模型r . X+u为例来分析这一假定。一般来讲，我们把总体回归模型创建为 .b.十b：X+u，随机干扰项甜从本质上来讲是代表所有随机因素的影响，从而因变量Y就可以分解为确定成分b.+b 和随机成分“。如果随机干扰项 的条件均值不为零，则因变量的条件均值就不等于 ，础，X，从而 .+b2 就不能完全代表模型的确定成分，或存在遗漏成分，或产生了冗余成分。另外，如果该假定得不到满足，则回归模型的最小二乘估计量将不具有无偏性质。很显然，计量经济学建模分析的目的是为了尽可能的揭示因变量的决定规律，因此完美的计量经济学模型应该保证b +b2X能够完全揭示因变量的确定性变化，并且使得其OLS估计量具有优良性质。所以，如果该假定得不到满足，模型就不完美，就不值得去追求。为了通俗地理解随机=r扰项零均值这一“完美特性”，我们可以打一个比方，如果把创建完美的计量经济学模型换成创建“完美人模型”，那么“完美人”也许应该满足这样的特征：虽然生活中存在着各式各样的随机干扰，但其对完美人的影响却为零，也就是说， 完美的人没有丝毫烦恼。不管在现实中是否存在具有这种特征的所谓“完美人”，但至少在心理上我们是渴望没有烦恼的，这一点毋庸置疑，因为没有人会以追求烦恼作为目标。同样的