模型选择标准与检验

《模型选择标准与检验》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第二部分实践中的回归分析基本假定违背：不满足基本假定的情况。（1）模型设定有偏误；所选模型是正确设定的（2）解释变量之间存在多重共线性；（3）随机误差项序列存在异方差性；（4）随机误差项序列存在序列相关性。所选模型是正确设定的解释变量之间不存在完全线性关系误差项方差为常数误差项之间不相关基本假定基本假定基本假定基本假定第七章模型选择：标准与检验一、模型设定误差概述二、模型设定偏误的后果三、模型设定偏误的检验一、模型设定误差概述1、模型设定误差的含义2、设定误差产生的原因3、设定误差的类型4、“好的”模型具有的性质1、模型设定误差的含义模型中被解释变量和解释变量之间的关系设定有误造成模型

2、设定误差主要源于:(1)解释变量选取的错误，主要包括遗漏相关变量和多选无关变量，(2)采用了错误地模型函数形式；(3)错误地设定了误差项的形式。实践中的模型设定误差可能源于上述一个或多个原因。7模型选择：标准与检验Modelselection:criteriaandtests(1)“好的”或者“正確的”模型有那些性质？(2)假设一个无所不知的经济计量学家已经建立了一个“正確”的模型用以分析某種经济现象。然而，由於数据的可獲得性，出於对成本的考虑，或者是疏忽等其他原因，研究人员使用了另一个模型，因此，与“正確”模型相比，就犯了设定误差。那么，在实践中可能会犯哪幾種类型的设定误差呢？(3)

3、设定误差的後果是什么？(4)如何诊断设定误差？(5)如果已经犯了设定误差，可以採取哪些补救措施重新回到“正確的”模型？7.1“好的”模型具有的特性Theattributesofagoodmodel简约性(parsimony)。一个模型永远也无法完全把握现实；在任何模型的建立过程中，一定程度的抽象或者简化是不可避免的。简单优於複杂(Occam’srazor寓意)或者节俭原则表明模型应儘可能地简单。可识别性(identifiability)。即对给定的一组数据，估计的参数必须具有惟一值，或，每个参数只有一个估计值。“好的”模型具有的特性拟合优度(goodnessoffit)。回归分析的基本

4、思想是用模型中所包括的解释变量来儘可能地解释被解释变量的变化。比如我们可用校正的样本决定系数R2度量拟合优度，R2越高，则认为模型就越好。“好的”模型具有的特性理论一致性(theoreticalconsistency)。无论拟合度有多高，一旦一个或多个系数的符号有误，就不是一个好模型。因而，在某種商品的需求函数中，如果价格系数为正(需求曲线的斜率为正)，或者如果收入系数为负(除非这一商品为劣等商品)，即使模型的R2值很高，回归结果仍值得怀疑。简言之，在构建模型时，我们必须有一些理论基础来支撑这一模型，“没有理论的测量”经常能够导致荒唐的结果。观察渗透理论theory-ladenobse

5、rvation美国科学哲学家汉森(NorwoodRussellHanson(1924–1967))提出的著名命题。这个命题指出了我们的任何观察都不是纯粹客观的，具有不同知识背景的观察者观察同一事物，会得出不同的观察结果。该理论破坏了逻辑实证主义所追求的科学合理性。逻辑实证主义坚信，科学是客观活动，理性标准一定是可被经验证实并符合逻辑规则的。描述一下你此时的状态？此问有解否？预测能力(predictivepower)。米尔顿·弗里德曼：“对假设(模型)的真实性惟一有效的检验就是将预测值与经验值相比较”。因而，在货币主义模型和凯恩斯模型两者之间选择时，根据这一标准，我们应该选择理论预测能够

6、被实际经验所验证的模型。弗里德曼以演绎推理为核心，强调理论的有效性并不依赖于其假设，而是要看理论本身是否具有预测力，一个理论是否科学，不是从其假设与现实的相符程度来判断，而是从其预测的结论和现象的相符程度来判断。他巧妙地将抽象与具体结合起来，使新古典主义经济学有了较牢固的方法论根基。没有历史的理论（演绎）历史与理论相结合没有理论的历史（归纳）7.2设定误差的类型Typesofspecificationerrors遗漏相关变量：“过低拟合”模型包括不相关变量：“过度拟合”模型不正確的函数形式度量误差对所研究问题的相关理论了解不深未关注本领域前期的研究成果在研究中缺乏相关数据数据测量时有误

7、差2、设定误差产生的原因3、设定误差的类型遗漏相关变量采用了错误的函数形式错误地设定了误差项的形式多选无关变量4、“好的”模型具有的性质简约性可识别性拟合优度理论一致性预测能力模型是对现实的抽象，模型应尽可能简洁每个参数只有一个估计值对样本数据的拟合程度较好参数估计值的符号与理论相符预测值与经验值检验模型的有效性，即具有良好的预测能力二、模型设定偏误的后果模型设定出现偏误时，模型估计结果会与“实际”有偏差。这种偏差的性质与程度与模型设定偏误的类