潘省初-计量经济学（第七版）第五章 模型的建立与估计中的问题及对策.pptxVIP

第五章 模型的建立与估计中的问题及对策;本章内容 第一节 误设定 第二节 多重共线性 第三节 异方差性 第四节 自相关 第五节 随机解释变量; OLS估计量令人满意的性质，是根据一组假设条件而得到的。在实践中，如果某些假设条件不能满足，则OLS就不再适用于模型的估计。下面列出实践中可能碰到的一些常见问题： ;★ 误设定（Misspecification 或specification error） ★ 多重共线性（Multicollinearity） ★ 异方差性（Heteroscedasticity或Heteroskedasticity） ★ 自相关（Autocorrelation） ★ 随机解释变量（Stochastic explanatory variables) ;第一节 误设定 采用OLS法估计模型时，实际上有一个隐含的假设，即模型是正确设定的。这包括两方面的含义：函数形式正确和解释变量选择正确。在实践中，这样一个假设或许从来也不现实。我们可能犯下列三个方面的错误： 选择错误的函数形式 遗漏有关的解释变量 包括无关的解释变量 从而造成所谓的“误设定”问题。; 选择正确的函数形式是计量经济学家的任务，这是因为，经济理论通常不会告诉我们因变量和自变量之间的具体函数形式是什么，解决这个问题，很大程度上要靠计量经济工作者在实践中不断摸索。; 函数形式选择错误，所建立的模型当然无法反映所研究现象的实际情况，后果是显而易见的。函数形式误设定一般都会导致系数的OLS估计量有偏和不一致。 这类错误中比较常见的是将非线性关系作为线性关系处理。还有一类是非线性关系的选择，比如变量之间是双对数还是半对数等。这些都需要我们不断实践。我们应当根据实际问题，选择正确的函数形式。;二、 模型中遗漏有关的解释变量 模型中遗漏了对因变量有显著影响的解释变量的后果是：将使模型参数估计量不再是无偏估计量。下面用一个简单例子说明。 ;设正确模型为： （5-1） 而实际估计的模型是： （5-2） 也就是说，我们忽略了X2 ，而X2是一个对Y有影响的重要变量。 估计（5-2）式，可得： （5-3） ;而由（5-1）有： ;上式中右边第三项等于0，而第二项方括号中内容可以看作是回归方程中 斜率系数?的估计量，可以预期，X1和X2之间存在一定程度的相关，从而第二项不等于0，故： 可以证明： （5-5） ;同样道理，可以证明;?;三、 包括无关的解释变量 模型中包括无关的解释变量，参数估计量仍无偏，但会增大估计量的方差，即增大误差。;;由于r12一般不等于0，因此我们有：; 结论：模型中包括无关的解释变量，参数估计量仍无偏，但会增大估计量的方差，即增大误差。估计参数的置信区间进而变宽，从而使得我们无法认识到被解释变量与解释变量之间的显著关系。;;1.理论： 从理论上看，该变量是否应该作为解释变量包括在方程中？ 2. t检验：该变量的系数估计值是否显著? 　：该变量加进方程中后， 是否增大？ 4. 偏倚： 该变量加进方程中后，其它变量的系数估计值是否显著变化？; 但根据以上准则判断并不总是这么简单。在很多情况下，这四项准则的判断结果会出现不一致。例如，有可能某个变量加进方程后， 增大，但该变量不显著。 因此，当这四项用于判断一个变量是否应加进回归方程的准则出现不一致的情况时，应当特别小心。在这种情况下，作出正确判断不是一件容易的事，但可以让事情变得容易一些，办法是将理论准则放在第一位，再多的统计证据也不能将一个理论上很重要的变量变成“无关”变量。 在选择变量的问题上，应当坚定不移地根据理论而不是满意的拟合结果来作决定，对于是否将一个变量包括在回归方程中的问题，理论是最重要的判断准则。如果不这样做，产生不正确结果的风险很大。;*五、模型的选择 上一段讨论了某个解释变量应否包括在模型中的几条原则。实践中，要解决的一个问题是如何从大量的潜在解释变量的集合中选择一个最