第三章经典单方程计量经济学模型：多元回归.pptVIP

第十三章 计量经济建模: 模型设定和诊断检验 如何去发现一个”正确”的模型? 在实践中容易遇到哪些类型的模型设定误差? 设定误差的后果有哪些? 如何发现设定误差? 怎样补救?有哪些补救措施? 如何评价几个表现不相上下的备选模型? 一、模型选择准则 1 数据的容纳性:从模型作出的预测必须有逻辑上的可能性。 2 与理论一致，即必须有好的经济含义。 3 回归元的弱外生性:回归元必须与误差项不相关。 4 表现出参数的不变性(即稳定性)。 5 表现出数据的协调性:从模型中估计的残差必须完全随机。 6 模型有一定的包容性:其它模型都不可能再改进我们所选定的模型。 二、设定误差的类型 在提出一个经验模型时，很可能会遇到如下一种或多种设定误差： 1 漏掉有关变量； 2 包含了无需变量； 3 采用错误函数形式； 4 测量误差； 5 对随机误差项不正确的设定。 三、模型设定误差的后果 以三变量模型为例，讨论两种 设定误差的的形式 1 模型拟合不足（即漏掉有关的变量） 2模型拟合过度（即包含了无需变量） 1 模型拟合不足（即漏掉有关的变量） 本来模型中应含有k个解释变量，如模型应为： 对PRF`的估计值为： 2、包含了不必要的解释变量（模型拟合过度） 假定真实模型为： SRF`中的参数OLS估计量为： 通过比较，可看出： （1）含不需要解释变量模型的估计是无偏的，但不具备 最小方差性： 四、设定误差的检验 1、检验是否存在无需要的变量 根据回归参数的t检验值，对参数进行显著性检验。 不显著的解释变量可以从模型中删除。 注意：不要反复利用t和F检验，从小模型开始， 加入统计上系数显著的变量，逐渐扩大模型， 这种建模策略被称为自下而上的方法， 或称数据开采法、回归捕捉法、等 2、对遗漏变量和不正确函数形式的检验 介绍常见的一些方法： （1）残差分析 见书P485。 （2）德宾-沃森d统计量 　　　见书P485－487。 (3)　拉姆齐的RESET检验 　　　见书P487－489。 （４）为增补变量的拉格朗日乘数（ＬＭ）检验 　　　见书P489。 五、测量误差 （１）因变量Ｙ中的测量误差 　　　模型：（＊） 　　　由于因变量Ｙ中的测量误差 　　　因而： 　　　　　（＊＊） 　　　假定： （＊）式： （＊＊）式： 因此，虽然因变量Ｙ中的测量误差不影响参数估计 的无偏性，但所估计的方差却比没有这种 测量误差是要大。 （２）解释变量Ｘ中的测量误差 　　　假定模型（＊） 　 　　　解释变量的测量误差： 　　　　　 　　　　　（＊＊） 即使假定：　　　　　序列独立且　 合成误差项不独立于解释变量Ｘ，因为： 这导致：ＯＬＳ估计量不仅是偏误而且是非一致的。 另一补救建议：寻找工具或代理变量： 即它们与原始Ｘ变量高度相关，却与方程和测量误差 （即　　和　　）都不相关。 例子：见Ｐ４９２。 六、对随机误差项不正确的设定 由于误差项不能直接观测到，所以不容易确定它进入模型的形式。 例如：“真实”模型： 其中随机误差项以乘积的形式进入回归方程，并且 满足CLRM的假设。 如果以加法的形式进入回归方程： 结果： 这时 是一个有偏估计量，因为其均值不等于真实的 七、嵌套与非嵌套模型 嵌套模型：A： B： 称A 嵌套B， 可以用（ t 和F )检验是否为嵌套模型 非嵌套模型：C： D： 或： C： D： 或： C：