最新计量经济学课件(11)教学讲义ppt课件.ppt

《最新计量经济学课件(11)教学讲义ppt课件.ppt》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、计量经济学课件(11)RegressionAnalysisinPracticechaptereight第八章模型选择：标准与检验前言一、模型设定偏误的类型二、模型设定偏误的后果三、模型设定偏误的检验将正确模型的离差形式代入得：遗漏变量偏差的后果ubbb+++=33221XXYuubb-++=iiiixxy3322åå=2222ˆiiixyxaåååååååå-++=-++==22222323222332222222)()(ˆiiiiiiiiiiiiiixxxxxxxxxxyxuubbuubba如果漏掉的X3与X2相关，则上式中的第二项在小

2、样本下求期望与大样本下求概率极限都不会为零，从而使得OLS估计量在小样本下有偏，在大样本下非一致。注意：偏离方向由符号决定遗漏变量偏差的后果(2)如果X3与X2不相关，则2的估计满足无偏性与一致性；但这时1的估计却是有偏的。精要图11-1NetandgrosseffectsofX2onY.由Y=1+2X2+v得由Y=1+2X2+3X3+得如果X2与X1相关，显然有如果X2与X1不相关，也有遗漏变量偏差的后果)ˆ()ˆ(22baVarVar¹)ˆ()ˆ(22baVarVar¹ååååå-=-=)1()()ˆ(222223223

3、22232232xxiiiiiirxxxxxxVarssbå=2222)ˆ(ixvarsaX2和X3的相关系数回到例子10.2婴儿死亡率的影响因素两个解释变量下的实证结果：错误设定下的实证结果：回到例子10.2婴儿死亡率的影响因素遗漏变量作为被解释变量的实证结果：根据回归结果，2.2包含不相关变量偏误：过度拟合采用包含不相关解释变量的模型进行估计带来的偏误，称为包含无关变量偏误（includingirrelevantvariablebias）。设为正确模型(*)但却估计了(**)如果3=0，则(**)与(*)相同，因此，可将(**)式视为

4、以3=0为约束的(*)式的特殊形式。vXY++=221aaubbb+++=33221XXY由于所有的经典假设都满足，因此对(**)式进行OLS估计，可得到无偏且一致的估计量。但是，OLS估计量却不具有最小方差性。中X2的方差:中X2的方差:当X2与X3完全线性无关时:否则：注意：包含不相关变量偏误的后果)ˆ()ˆ(22abVarVar>)ˆ()ˆ(22baVarVar=ubbb+++=33221XXYå-=)1()ˆ(2222232xxirxvarsbvXY++=221aaå=2222)ˆ(ixvarsaubbb+++=33221XXY哪

5、种错误更严重？2.3错误函数形式的偏误当选取了错误函数形式并对其进行估计时，带来的偏误称错误函数形式偏误（wrongfunctionalformbias）。容易判断，这种偏误是全方位的。例如，如果“真实”的回归函数为却估计线性式显然，两者的参数具有完全不同的经济含义，且估计结果一般也是不相同的。ubbb+++=33221XXY例11-3（精要表11-1）U.S.expenditureonimportedgoodsandpersonaldisposableincome,1968-1987.例11-3（精要表11-1）线性形式回归结果：对数线性

6、形式回归结果：第三节模型设定偏误的检验3.1检验是否含有不相关变量可用t检验与F检验完成。检验的基本思想:如果模型中误选了无关变量，则其系数的真值应为零。因此，只须对无关变量系数的显著性进行检验。t检验：检验某1个变量是否应包括在模型中；F检验：检验若干个变量是否应同时包括在模型中。例11-4（精要表11-2，原始数据表13-6）生命预期模型例11-4（精要表11-2，原始数据表13-6）Eviews演示：冗余变量检验遗漏变量检验3.2变量遗漏或函数形式设定偏误检验3.2.1残差图示法例11-3（精要表11-1）线性形式回归结果：去掉时间趋

7、势回归结果：例11-3（精要图11-2）S1：去掉时间趋势(11.20)残差；S2加时间趋势(11.13)残差残差序列变化图（a）趋势变化：模型设定时可能遗漏了一随着时间的推移而持续上升的变量（b）循环变化：模型设定时可能遗漏了一随着时间的推移而呈现循环变化的变量模型函数形式设定偏误时，残差序列呈现正负交替变化图例：一元回归模型中，真实模型呈幂函数形式，但却选取了线性函数进行回归。残差序列变化图3.2.2一般性设定偏误检验：RESET检验更准确更常用的判定方法是拉姆齐(Ramsey)于1969年提出的所谓RESET检验（regression

8、errorspecificationtest）。基本思想：如果事先知道遗漏了哪个变量，只需将此变量引入模型，估计并检验其参数是否显著不为零即可；问题是不知道遗漏了哪个变量，需寻找