《标准与检验》PPT课件

《《标准与检验》PPT课件》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、第七章模型选择：标准与检验上海立信会计学院本章的主要内容如下：1.“好的”或者“正确”的模型具有的性质2.在实践中容易犯哪几种设定误差？3.各种设定误差的后果是什么?4.如何诊断设定误差？5.如果已经犯了设定误差，可以采取哪些补救措施重新回到“正确的”模型。一、“好的”模型具有的性质著名经济计量学家哈维（A.C.Harvey）列出了模型判断的一些标准，主要包括如下内容：1.简约性(parsimony)2.可识别性(identifiability)3.拟合优度(goodnessfit)4.理论一致性(theo

2、reticalconsistency)5.预测能力(predictivepower)二、设定误差的类型设定误差的类型很多，本节主要介绍一些实践中经常遇到的设定误差。1.遗漏相关变量2.包括不必要变量3.采用了错误的函数形式4.度量误差注意：本章通过双变量模型和三变量模型介绍模型设定误差的基本性质。（一）遗漏相关变量：“过低拟合模型”假设实际的模型如下：而估计的模型如下：两个模型中，与都是随机误差项。以上例子中，遗漏相关变量可能导致的后果如下：１.如果遗漏变量　与模型中的变量　相关，则　和　是有偏的。也就是说

3、，其均值或期望值与真实值不一致。用符号表示为：根据推导，下式成立：２.和　也是不一致的，即无论样本容量有多大，偏差也不会消失。３.如果　和不相关，则　为零，即　是无偏的，同时也是一致的。4.根据两变量模型得到的误差方差是真实误差方差的有偏估计量。5.此外，通常估计的的方差（）是真实估计量方差的有偏估计量。即使等于零，这一方差仍然是有偏的。6.通常的置信区间和假设检验过程不再可靠。置信区间将会变宽，因此可能会“更频繁地”接受零假设：系数的真实值为零。（二）包括不相关变量：“过度拟合”模型假定正确的模型如下：而

4、错误设定的“过度拟合”的模型如下：过度拟合模型通常会导致如下后果：1.过度拟合模型的估计两是无偏的（也是一致的）。即：2.从过度拟合方程得到的的估计量是正确的。3.建立在t检验和F检验基础上的标准的置信区间和假设检验仍然是有效的。4.从过度拟合模型中估计的a是无效的——其方差比真实模型中估计的b的方差大。因此，建立在a的标准误上的置信区间比建立在b的标准误上的置信区间宽，尽管前者的假设检验是有效的。总之，从过度拟合模型中得到的OLS估计量是线性无偏估计量，但不是最优先性无偏估计量。比较“过度拟合”和“过低拟

5、合”所导致的后果，可以得到这样一个结论：包括不相关变量比遗漏相关变量要好。但不能简单地认为，增加变量就可以了，因为增加不必要的变量会损失估计量的有效性，也可能导致多重共线性问题，还会损失自由度。（三）不正确的函数形式假设有如下两个模型：首先应该知道的是，如果选了错误的函数形式，则估计的系数可能是真实系数的有偏估计量。问题是：如何根据一个样本在这两个模型间进行选择呢？假如有如下例子：下表给出了1968-1987年美国进口货物的支出（Y）和个人可支配收入(X)的数据。美国进口货物的支出与个人可支配收入数据表19

6、68年-1987年利用这些数据分别拟合以上两个模型得到：DependentVariable:YMethod:LeastSquaresDate:11/01/08Time:11:52Sample:19681987Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-764.1106215.8662-3.5397420.0025X0.5876570.1437164.0890270.0008TIME-20.948598.234124

7、-2.5441190.0210R-squared0.907966Meandependentvar248.0500AdjustedR-squared0.897138S.D.dependentvar81.56042S.E.ofregression26.15809Akaikeinfocriterion9.503675Sumsquaredresid11632.18Schwarzcriterion9.653035Loglikelihood-92.0367F-statistic83.85715Durbin-Watson

8、stat2.275442Prob(F-statistic)0.000000线性模型的拟合结果DependentVariable:LNYMethod:LeastSquaresDate:11/01/08Time:12:06Sample:19681987Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-23.769036.93965