模型选择标准与检验.pptxVIP

第1页/共39页模型选择标准与检验第2页/共39页第7章　模型选择:标准与检验Model specification: criteria and tests第3页/共39页主要内容“好的”或者“正确的”模型有那些性质，如何确定模型形式是否正确？在实际研究过程中，可能存在什么样的模型设定问题？设定误差会造成什么后果？如何论断设定误差？如何补救？第4页/共39页模型好坏的判断标准计量经济学家Harvey提出下面几个标准：简约性(parsimony)：简单优于复杂。可识别性(identifiability)：给定数据，参数的估计具有惟一性。拟合优度(goodness of fit)：模型对数据的解释力。理论一致性(theoretical consistency)：估计的参数要符合经济理论的预测。预测能力(predictive power)：第5页/共39页模型设定误差的类型遗漏相关变量(omitted variables)加入多余变量(irrelevant variables)不正确的函数形式(misspecifications)度量误差(measurement errors)第6页/共39页遗漏相关变量(omitted variables)考虑真实模型（例13.1）Yt=B1+B2X2t+B3X3t+ut(1)Y：进口支出X2：个人可支配收入（PDI）X3：时间或趋势变量，取值1,…,20代表1968~1987年。估计时设定模型形式为Yt=A1+A2X2t+vt(2)第7页/共39页遗漏相关变量的后果第8页/共39页遗漏相关变量的后果(1)如果遗漏的变量X3与模型中的变量X2相关，则a1和a2是有偏的。 E(a2)=B2+B3b32, b32= cov(X2,X3)/var(X2)(2)a1和a2不是一致的，无论样本容量有多大，偏差不会消失。(3)如果X2和X3不相关，即cov(X2,X3)=0，则a2是无偏的和一致的。但a1仍然是有偏的。第9页/共39页遗漏相关变量的后果(4)根据模型(2)估计的误差项的方差是真实误差方差s2的有偏估计量。第10页/共39页遗漏相关变量的后果(5)估计量a2的方差是真实估计量b2方差的有偏估计量。即使X2和X3不相关，这一偏误也不能消除。即使X2和X3不相关，可以证明即，遗漏变量使var(a2)高估了真实值b2的方差。如果X2和X3相关，则var(a2)会低估真实值b2的方差。(6)因此，通常的置信区间和假设检验过程也不再可靠。第11页/共39页遗漏相关变量的后果：例子美国进口支出函数分析Yt=B1+B2Xt+B3t3t+ut(1)Y：进口支出X：个人可支配收入（PDI）t：时间或趋势变量，取值1,…,20代表1968~1987年。Yt=A1+A2Xt+vt　(2)数据(ex610.dta)reg t x即b32=0.01730第12页/共39页首先估计模型1（即真实模型）然后估计模型2（遗漏变量模型）第13页/共39页遗漏相关变量的后果：例子对比(1)错误设定模型表明，个人可支配收入每增加1美元，进口支出将增加约0.25美元。b3=-23.1950, b320, E(a2)=B2+B3b32B2,即错误设定模型会低估边际消费倾向B2。(2)截距也有偏差(3)误差项的方差的估计量有偏：真实的为184，错误设定估计的为475。由于变量x和t相关，所以错误模型2会低估系数的标准误差。从而对应的t检验值变大。从而更容易拒绝原假设。第14页/共39页加入多余变量(irrelevant variables)考虑真实模型Yt=B1+B2X2t+ut(3)估计时设定模型形式为Yt=A1+A2X2t+A3X3t+vt(4)根据经济理论，X3不应加入模型第15页/共39页加入多余变量(1)错误设定模型2参数的估计量仍然是无偏的和一致的。即E(a1)=B1, E(a2)=B2, E(a3)=0.第16页/共39页加入多余变量(2)利用错误设定模型(4)估计的误差方差仍然是正确的估计值。(3)E[var(a2)]=var(b2), 即模型(4)的估计量的方差仍然是真实估计量方差的无偏估计量。从而，通常的t检验和F检验仍然有效。(4)但是一般情况下，var(a2)var(b2)，除非加入的多余变量X3与X2不相关。也就是说，加入多余变量，OLS估计量仍然是线性无偏的估计量，但不是BLUE估计量。第17页/共39页加入多余变量:例子研发费用与销售额的关系真实模型rdexp= B1+B2sales+urdexp研发费用支出sales销售额错误模型rdexp= A1+A2sales+A3sales2+ v第18页/共39页先估计真实模型(3)再估计错误模型(4)第19页/共39页不正确的函数形式考虑模型（例7.3）Yt=B1