模型设定和数据问问题探讨.pptVIP

第九章模型设定与数据 问题探讨  模型设定偏误的类型 模型设定偏误主要有两大类 (1)关于解释变量选取的偏误,主要包括漏选相关变 量和多选无关变量 (2)关于模型函数形式选取的偏误。  1.相关变量的遗漏( omitting relevant variables) ■例如,如果“正确”的模型为 Y=Bo+BX1+B2x2+u 而我们将模型设定为: Y=do+G,xI+v 即设定模型时漏掉了一个相关的解释变量 这类错误称为遗漏相关变量。  2.无关变量的误选( including irrevelant variables) 例如,如果 Y=B+B1×1+阝2X2+ 仍为“真”,但我们将模型设定为 Y: 1+a2×2+∞x3X3+1 即设定模型时,多选了一个无关解释变量。  3.错误的函数形式( wrong functional form) 例如,如果“真实”的回归函数为 Y=AXP XPe 但却将模型设定为 Y=Bo+BXI+B2X2+v  模型设定偏误的后果 ■当模型设定出现偏误时,模型估计结果也会与 “实际”有偏差。这种偏差的性质及程度与模 型设定偏误的类型密切相关。  1.遗漏相关变量偏误 采用遗漏相关变量的模型进行估计而带来的偏 误称为遗漏相关变量偏误( omitting relevant variab| e bias)。 设正确的模型为 Y=βo+B1X1+阝2X2+ 却对 Y=Co+aX+ 进行回归,得  将正确模型Y=β0+β1X1+β2X2+的离差形式 y=Bx1+B2x2+11-1 代入 得: ∑x”∑x(月x1+B2x2+H1-) B1+B2 xu 之1(1-  (1)如果漏掉的2与X1相关,则上式中的第二项 在小样本下求期望与大样本下求概率极限都不 会为零,从而使得0LS估计量在小样本下有偏 在大样本下非一致 (2)如果X2与X不相关,则α1的估计满足无偏性 与一致性;但这时∞的估计却是有偏的 (3)随机扰动项的方差估计G也是有偏的。  2.包含无关变量偏误 釆用包含无关解释变量的模型进行估计带来的 偏误,称为包含无关变量偏误( including irrelevant variable bias 设 Y=a+∞1X1+V 为正确模型,但却估计了 Y=P0+P1X1+P2x2+