Chapter_07_模型选择：标准与检验.ppt

例如，先估计 Y=?1+ ?2X2+ v 得 再根据前面介绍的增加解释变量的F检验来判断是否增加这些“替代”变量。 若仅增加一个“替代”变量，可通过t 检验来判断。 3.2.2 一般性设定偏误检验： RESET 检验 u g g b b + + + + = 3 2 2 1 2 2 1 ? ? Y Y X Y 2 2 1 ? ? ? X Y a a + = 回到例11-3（精要 图 11-3，数据11-1） S4：残差 YFF：Yhat 回到例11-3（精要 图 11-3，数据11-1） RESET检验结果 例如，在一元回归中，假设真实的函数形式是非线性的，将其近似地表示为多项式： RESET检验用来检验函数形式设定偏误的问题 因此，如果设定了线性模型，就意味着遗漏了相关变量X12、 X13 ，等等。 在一元回归中，可通过检验(*)式中的各高次幂参数的显著性来判断是否将非线性模型误设成了线性模型。 （*） 3.2.2 一般性设定偏误检验： RESET 检验 对多元回归，非线性函数可能是关于若干个或全部解释变量的非线性，这时可按遗漏变量的程序进行检验。 例如，估计 Y=?0+?1X1+?2X2+? 但却怀疑真实的函数形式是非线性的。 这时，只需以估计出的?的若干次幂为“替代”变量，进行类似于如下模型的估计 再判断各“替代”变量的参数是否显著地不为零即可。 3.2.2 一般性设定偏误检验： RESET 检验 RESET检验步骤如下： （1）根据原模型估计出Y值， 。 （2）回到模型，把 的高次幂 ， 等纳入模型，以获取残差和 之间的系统关系。即考虑如下新模型： （3）令从新方程得到的R2为 ，从原方程得到的R2为 。然后利用下式进行检验： （4）如果在所选显著水平下计算的F值是统计显著的，则认为原始模型是设定错误的。 H0：线性模型： Y 是X 的线性函数 H1：对数线性模型：lnY 是X 或 lnX 的线性函数 检验步骤如下： 估计线性模型，得到 Y 的估计值? 估计线性对数模型，得到lnY 的估计值 求Z1= 做Y对X和Z1回归，如果根据t 检验Z1的系数是统计显著的，则拒绝H0 Z2=antilog( ) – ? 做lnY 对X或lnX 和Z2回归，如果根据t 检验Z2的系数是统计显著的，则拒绝H1 3.2.3 线性还是对数线性？ MWD 检验 回忆 例11-3 （精要 表 11-1） 线性形式回归结果： 对数线性形式回归结果： 精要 表 11-3 Illustration of the MWD test: linear specification. 精要 表 11-4 Illustration of the MWD test: loglinear specification. 习题 11.7 精要 表 11-9 p263 Demand for chickens, United States, 1960-1982. Thank you * 章韬 neotaoism@ * 章韬 neotaoism@ Chapter 07模型选择：标准与检验 Tao Zhang International Business School, SIFT neotaoism@ 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 第一节 “好的”模型具有的性质 A.C.Harvey(1981) 简约性/Parsimony 即模型应尽可能地简单。 可识别性/Identifiability 对于给定的一组数据，估计的参数值必须是惟一的。 拟合优度/Good-of-Fit 拟合优度R2（矫正的拟合优度AR2 ）越高，模型越好。 理论一致性/Theoretical Consistency 即回归结果要与理论分析结果一致。 预测能力/Predictive Power 即预测值与实际经验所验证的结果越接近越好。 第二节 模型设定偏误的类型 模型设定偏误主要有两大类: (1) 关于解释变量选取的偏误：主要包括漏选相关变量（遗漏）和多选无关变量（冗余） (2) 关于模型函数形式选取的偏误。 2.1 遗漏相关变量：拟合不足 例如，如果“正确”的模型为 而我们将模型设定为 即设定模型时漏掉了一个相关的解释变量X3。这类错误称为遗漏变量偏差(omitted variable bias)。 * 动态设定偏误（dynamic mis-specification）:遗漏相关变量表现为对