传统计量经济学方法论.pptxVIP

1第八章传统计量经济学的建模方法论

建立模型的基本准则：21，节省性。即模型越简单越好。012，识别性。对于给定的一组数据，估计的参数必须有唯一的一组值。023，拟合优度。通过模型中的解释变量，尽可能多地解释被解释变量的变异情况，即比较高的经过校正的R2。（当然，高R2如果与估计的参数和先验的符号结合起来考虑就更好了）03

当人们估计了一个模型后，会利用我们前面讲过的方法去进行判断，是否存在自相关、异方差问题，如果排除或解决了这些问题，估计的结果依旧存在问题，如无法通过t检验或F检验，参数估计的符号与先验不符，决定系数偏低等。这时人们会考虑模型是否出现了设定误差

顾名思义，设定误差指模型建立过程中由于人为的错误或疏忽而导致的偏差。设定误差的主要类型包括：1，漏掉一个重要变量2，包括一个无关紧要的变量3，错误的函数形式4，测量误差

1，漏掉了重要变量，假设真实的模型是：y=β1x1+β2x2+μ而我们建立的模型是：y=β1x1+μ即漏掉了一个变量根据最小二乘法，β1hat=Σx1y/Σx12＝Σx1（β1x1+β2x2+μ）/Σx12

＝β1+β2Σx1x2/Σx12+Σx1μ/Σx1201E(β1hat)=β1+β2Σx1x2/Σx1202因为E(x1μ)=003所以参数的估计不是无偏的。04

包括了无关紧要的变量假设真实的模型是：y=β1x1+μ而估计的模型是：y=β1x1+β2x2+μβ1hat＝(S22S1y-S12S2y)/(S11S22-S122)β2hat＝(S11S2y-S12S1y)/(S11S22-S122)

S11=Σx12，S1y＝Σx1y，S12＝Σx1x2，以此类推。又因为y=β1x1+μ所以E（S1y)=E(Σx1y)=EΣx1(β1x1+μ)＝β1S11E（S2y)＝β1S12E(β1hat)=β1E(β2hat)=β2参数估计是无偏的，但是问题是方差估计变大，使统计推断即检验出现问题。

关于测量误差1,被解释变量Y存在测量上的误差Yi*=α+βXi+μi（1）Yi*是永久消费Xi当前收入永久消费不可观测，使用当前消费来替代Yi=Yi*＋vi

所以估计的模型变成了：Yi=Yi*＋vi＝（α+βXi+μi）＋vi＝α+βXi+（μi＋vi）（2）从第一个方程：Var(βhat)=σ2μ/Σx2从第二个方程：Var(βhat)=（σ2μ＋σ2v)/Σx2估计依旧是无偏的，但是，估计参数的方差大于没有测量误差时的方差。

2,解释变量x测量上的误差11Yi=α+βXi*+μi(1)Yi是当前消费Xi*永久收入，假设我们可以观测到的是Xi＝Xi*＋wiYi=α+βXi*+μi=α+β(Xi-wi)+μi=α+βXi+(μi-βwi)=α+βXi+zi(2)

23145因此破坏了古典回归的假设前提。=-βσ2wCov(xizi)=E[(zi–E(zi)][xi–E(xi)]=E(μi-βwi)(wi)方程2中的误差项与解释变量不再是不相关的。

一，判断是否出现无关紧要的变量最简单的办法是使用t检验来判断某一变量是否应该被包含进来；如果怀疑两个或以上的变量，则使用F检验，如对于x3x5检验H0:β3=β5=0但是切勿反复使用t和F检验

对遗漏变量和不正确函数形式的检验事实上我们永远不能肯定哪一个模型是“真实的”模型，只是当我们使用判断模型好坏的标准一一排查之后，模型依旧存在问题时，才担心模型的函数形式是否正确或是否漏掉了重要变量。

检验的方法无固定，通常有三种方法：1。残差分析，画出不同回归模型的x和残差之间关系的图形，越接近正确的函数形式，残差越小，例如总成本和总产出分析，估计线性函数、二次函数和立方法函数，当画出残差的变化情况时，大体可以验证上面的说明。

162，使用DW检验，通常越接近真实的模型，越没有自相关。