eviews模型设定偏误检验.docxVIP

eviews模型设定偏误检验

在EViews中，模型设定偏误检验是确保回归模型合理性的重要步骤，主要用于检测模型是否存在遗漏变量、函数形式错误、测量误差等设定问题。以下是常用的检验方法及在EViews中的操作流程：

一、遗漏变量检验（以RamseyRESET检验为例）

核心目的：检测模型是否遗漏了重要解释变量或函数形式存在非线性偏差。

1.检验原理

通过在原模型中加入被解释变量拟合值的高次项（如y^?2、y^?3），若高次项显著，则说明存在遗漏变量或函数形式错误。

2.EViews操作步骤

步骤1：估计原模型假设原模型为?y=β0?+β1?x1?+β2?x2?+μ，在EViews中输入命令：lsycx1x2得到回归结果后，保存回归方程（默认存储为eq01）。

步骤2：执行RESET检验在回归结果窗口（Equation）中，点击菜单栏?View→StabilityTests→RamseyRESETTest...

在弹出的对话框中，选择“Numberoffittedterms”（通常选2或3，即加入y^?2、y^?3），点击“OK”。

步骤3：结果解读查看检验输出的F统计量和Probability（P值）：

若P值0.05（显著性水平），则拒绝原假设，表明模型存在设定偏误（可能遗漏变量或函数形式不当）；

若P值0.05，则无法拒绝原假设，模型暂时无明显偏误。

二、函数形式检验（Box-Cox变换检验）

核心目的：判断模型是否应采用对数、指数等非线性形式（而非线性形式）。

1.检验原理

通过Box-Cox变换将被解释变量y转换为?y(λ)=λyλ?1?（λ=0时为lny），检验λ是否显著异于1（线性）或0（对数）。

2.EViews操作步骤

步骤1：确保被解释变量y取值为正（Box-Cox变换要求）。

步骤2：在命令窗口输入：boxcoxycx1x2（c为常数项，x1、x2为解释变量）

步骤3：结果解读输出结果会给出λ的估计值及置信区间：

若置信区间包含1，说明线性形式合理；

若包含0，说明对数形式更合适；

若均不包含，则需考虑其他非线性形式（如平方项、交互项）。

三、测量误差检验（Hausman检验的拓展应用）

核心目的：检测解释变量是否存在测量误差（导致系数估计偏误）。

1.检验原理

若解释变量x存在测量误差（x=x?+v，x?为真实值，v为误差），需引入工具变量z（与x?相关但与v无关），通过Hausman检验判断OLS估计与工具变量估计是否存在显著差异。

2.EViews操作步骤

步骤1：用OLS估计原模型（lsycx），保存残差（genre1=resid）。

步骤2：用工具变量z估计模型（tslsycx@cz），保存残差（genre2=resid）。

步骤3：执行Hausman检验：在命令窗口输入：hausmaneq1eq2（eq1为OLS方程，eq2为工具变量方程）

步骤4：结果解读若P值0.05，表明存在测量误差，工具变量估计更可靠；反之，OLS估计有效。

四、冗余变量检验（RedundantVariablesTest）

核心目的：检测模型是否包含不必要的解释变量（过度拟合）。

1.检验原理

通过F检验判断某组解释变量的系数是否全部为0，若为0则应从模型中剔除。

2.EViews操作步骤

步骤1：估计包含所有变量的模型（如lsycx1x2x3）。

步骤2：在回归结果窗口点击?View→CoefficientTests→RedundantVariablesTest...

步骤3：在对话框中输入需检验的变量（如x3），点击“OK”。

步骤4：结果解读若P值0.05，说明变量显著，不应剔除；若P值0.05，说明变量冗余，可从模型中删除。

五、检验后的修正建议

若存在遗漏变量：结合理论或经济意义，引入合理的变量（如通过相关系数、逐步回归法筛选）。

若函数形式错误：尝试对数变换（log(y)）、加入平方项（x1^2）或交互项（x1*x2）。

若存在测量误差：寻找更可靠的工具变量，或采用高级估计方法（如IV、GMM）。

若变量冗余：剔除不显著的变量，简化模型（避免过拟合）。