设定误差与测量误差课件.pptVIP

*3.查Durbin-Watson表，若為顯著，則拒絕原假設，受約束回歸模型不成立，存在模型設定誤差，否則接受原假設，受約束回歸模型成立，模型無設定誤差。*對下表的數據設定總生產成本函數，準備使用如下三個備選模型：有（1）為真實模型，試用DW法檢驗模型設定誤差。舉例*總成本（）產出（）1193122262324034244452575626067274782978935091042010*三個模型分別代入數據回歸(1)(2)*本例中遺漏變數已按遞增次序排列，此時的值等於值，無需重新計算d統計量。(3)*對上述模型的DW統計量的分析及查表情況如下：1.模型(1)：有=2.70，當時=0.525，=2.016，不能表明存在顯著的正相關關係，接受H0，表示沒有遺漏的變數。2.模型(2)：有=1.038，當時=0.697，=1.641。顯然有0.6971.0381.641，屬於無法確定的區域。採用修正的DW檢驗法進行檢驗即擴大拒絕區域，寧可判別殘差中存在正的自相關，認為也存在遺漏變數。*3.模型(3)：有=0.716，當時，=0.879，=1.320，顯然存在正的自相關，拒絕，表明存在遺漏變數；*二、拉格朗日乘數（LM）檢驗基本思想：●模型中遺漏的相關變數包含在隨機擾動項中，因此隨機擾動項或回歸所得的殘差序列應與遺漏的相關變數呈現出某種依存關係。●可以進行殘差序列與相關變數的回歸，在一定顯著水準下若相關變數具有統計顯著性，則認為存在遺漏變數形成的設定偏誤，若相關變數不具有統計顯著性，則認為沒有遺漏變數形成的設定誤差。*具體步驟1.對存在遺漏變數設定偏誤的模型（受約束回歸模型）進行回歸，得殘差序列；2.用殘差序列對全部的解釋變數（包括遺漏變數）進行回歸，得可決係數；3.設定:受約束回歸模型：無約束回歸模型。在大樣本情況下，構造檢驗統計量，漸近地遵從（約束個數）4.進行顯著性檢驗的判斷：若(約束個數),則拒絕，認為受約束模型不成立，存在遺漏變數；否則，接受，認為受約束模型成立，無遺漏變數。*第四節案例分析問題：以引子中所提出的問題為例，分析影響中國進口量的主要因素（數據見教材第255～256頁）。設定模型（1）其中：是進口總額，是國內生產總值。分析模型是否有變數設定誤差，進行變數設定誤差檢驗。*設定誤差與測量誤差*引子：簡單一定勝於複雜嗎?西方國家盛行“Occam`srazor”原則，意思是“簡單優於複雜”的節約性原則。經濟模型永遠無法完全把握現實，在建立模型中一定的抽象和簡化是不可避免的。在研究進口與國內生產總值的關係時，考慮到時間趨勢，建立並估計了以下模型*有人根據“簡單優於複雜”原則，得到以下方程：(2)進行比較：兩個方程的檢驗結果都較理想；方程（2）GDP的t檢驗值似乎優於方程（1）；方程（2）函數形式也更為簡單；然而，能否根據“Occam’srazor”原則，判斷方程（2）比方程（1）好？*對模型的設定是計量經濟研究的重要環節。前面各章除了對隨機擾動項分佈的基本假定以外，還強調:假定設定的模型對變數和函數形式的設定是正確地描述被解釋變數與解釋變數之間的真實關係，假定模型中的變數沒有測量誤差。但是在實際的建模實踐中，對模型的設定不一定能夠完全滿足