应用计量经济学第6章.pptVIP

第6章模型设定：解释变量的选择SlidesbyNiels-HugoBlunchWashingtonandLeeUniversity设定计量模型与设定误差当任何一个方程被估计之前，方程应当被正确的设定设定一个计量经济模型由三个部分组成，也就是说，要正确的选择：解释变量函数形式随机误差项形式这些是第4章古典假设的一个部分设定误差是当上述三点中任一点未被满足时，设定误差就会产生本章将讨论上述三点中的第一点，其它两点将在接下来的章节中进行讨论遗漏解释变量有两个原因使重要的解释变量被遗漏：我们忘记了……无法收集到相关的数据无论哪一个方面，都将导致遗漏解释变量误差（或更正式地，称为设定误差）Thereasonforthisisthatwhenavariableisnotincluded,itcannotbeheldconstant遗漏相关解释变量通常使得整个方程是可疑的，因为回归系数是有偏的遗漏解释变量的后果假设真实的回归模型如下： (6.1) 此处是一个经典的误差项如果X2被遗漏，则回归方程变为： (6.2) 此处： (6.3)因此，(6.2)方程中的解释变量并不是与误差项相独立的，除非遗漏的解释变量与所有被包含的解释变量都不相关——这几乎是不可能的古典假设III被打破如果方程6.1是真实的方程，而我们却估计了方程6.2，那么，什么情况将会发生？我们将会得到有偏的估计量亦即： (6.4)偏度由遗漏的解释变量对被解释变量的影响与遗漏解释变量和在模型中解释变量中相关系数的函数的乘积有关更正式地： (6.7)因此，偏度有两种情况下为零：真实的回归系数为零遗漏解释变量和在模型中解释变量不相关遗漏解释变量的后果遗漏解释变量的修正理论上说，要解决遗漏解释变量造成的设定误差是非常简单的：将遗漏的解释变量加入方程即可！不幸的是，事实并没有这么简单遗漏解释变量很难被识别出来，误差可能很小并可能不能被迅速识别出来即使识别出来了，一个方程仍有可能因为具体使用哪些变量而存在设定误差注意，去掉一个变量不能帮助解决遗漏解释变量误差如果那样做，你只会使保留下来的回归系数有更大的偏度假设：– 你未能获得期望的结果，于是，你怀疑你的模型遗漏了解释变量– 你有两个或更多的理论解释变量作为模型的“候选者”你如何选择这样解释变量？一样可能的方法是期望偏度分析（expectedbiasanalysis）– 期望偏度:遗漏一个特定解释变量可能引起的估计系数的偏度遗漏解释变量的修正期望信度可以通过方程6.7进行计算： (6.7)什么时候添加这个解释变量是可靠的？当期望偏度的符号与未预期到结果的符号相一致时当然，当这两者的符号不一致时，这个变量很可能不是引起未预期到结果的因素遗漏解释变量的修正无关的解释变量当方程中包含了一个并不属于方程的解释变量时这是遗漏解释变量的反而——因此，可以使用相同的模型来说明问题假设真实的回归模型是： (6.10)但是，研究者却使用了一个包含多余变量的模型： (6.11)错误设定的模型的随机误差项是 (6.12)因此，包含无关的解释变量不会引用“估计系数是有偏的”的问题（因为，无关解释变量的真实回归系数是0，因此，方程6.12中的第二项可以去掉）但是，包含无关的解释变量会造成：增大估计的回归系数的方差，当然，也就降低了估计的回归系数的t统计量的值（绝对值）降低了R2(不是R2)Table6.1总结了遗漏解释变量与包含无关解释变量的后果（除非r12=0）无关的解释变量Table6.1遗漏解释变量与无关解释变量对系数估计值影响的效应四个重要的设定标准我们可以将上述讨论总结为四个标准，以帮助我们决定是否应将一个解释变量包含进入方程：理论:方程中的变量是否有明确的理论意义？t检验:变量的估计系数是否在预期方向上是显著的？3. R2:当变量加入模型后，调整的R2是否增加？4. 偏度:当变量加入模型后，其它变量的回归系数是否显著的改变？如果满足上述四个条件，那么该变量应当包含进入模型中如果没有任何一个条件被满足，模型中不能包含该变量如果仅满足部分条件，那么就需要研究者做出决定设定搜寻如果仅仅是使用不同的回归模型，几乎可以从数据集中得出任何一个结果，除非能保证估计的良好性质因此，经验研究的完整性就成为一个问题，下述关于设定搜寻最优实践的三个方面是通常被推荐的研究方法：选择变量主要依靠理论，而不是统计上的拟合优度尽可能减少估计的方程的数量，除非是在稍后讨论的敏感