计量经济学单方程回归模型的几个专题讲义.ppt

检验的结果不可靠，也不可信。 2．模型包含无关变量的后果 假设正确的模型是： 上述分析表明，相关变量的遗漏，损失的是无偏性和一致性；无关变量的误选，其损失是失去有效性。 3．模型遗漏重要解释变量和引进无关解释变量的后果比较 第一，模型中遗漏重要解释变量的不良后果比模型中引入无关解释变量的后果要严重得多。遗漏了重要解释变量的模型是一个错误的不可用的模型，而引进了无关解释变量的模型是一个精度不高、但仍具一定利用价值的模型。 第二，虽然在模型引进无关解释变量的不良后果相对较小，但不能认为在模型中包含无关解释变量是可以容忍的。 一般说来，模型设定是对偏误与有效进行权衡，偏爱哪一方取决于模型研究的目的。若建模目的是为了进行准确预测，最小均方误差(均方误差=方差+偏误的平方)则是兼顾有效性和无偏性的良好准则。 4．模型函数形式设定错误的后果 假设真实回归模型为 可见，真实的回归模型实质上是一个关于x的高次方程，误将它设定为线性函数，实质上就是遗漏了真实方程中应该包含的二次项和其余高次项。由此所产生的影响与遗漏相关解释变量相类似。 7.2.4 模型设定误差的检验 1．模型是否包含无关解释变量的检验 对模型中是否包含无关解释变量的检验，就是对模型解释变量的参数是否为零的检验。如果发现模型中某个解释变量的参数为零的可能性很大，这一解释变量就是一个无关的变量，不应当包含在模型中。如果模型中每一个解释变量的参数都不为零，则模型中就不包含无关解释变量。 2．模型遗漏重要解释变量和采用错误函数形式的检验 (1)残差图示法检验 这种检验方法分三步进行： 第一步，对所构建的模型应用相宜的计量经济学方法进行估计，求出样本估计式。 图7.2.1给出了残差序列随时间持续上升与呈现循环变化的两类图形。前者预示着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；后者则表明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。 (a)趋势变化 (b) 循环变化 图7.2.1 残差序列变化图 图7.2.2 模型函数形式设定偏误时残差序列呈现正负交替变化 图7.2.2给出了一元回归模型中，真实模型呈幂函数形式，但却选取了线性函数进行回归的情形。在这种情形下，容易知道残差序列呈现先正、后负、再正的变化特征。 (2)一般性设定偏误检验:拉姆齐(Ramsey)的RESET检验 常用的判定方法是拉姆齐(Ramsey)于1969年提出RESET检验(gression error specification test)。 表7.2.1 某公司单位成本、产量指数和产量投入相关数据 年份 单位成本 产量指数 要素投入成本 年份 单位成本 产量指数 要素投入成本 1980 365 85 80 1990 428 104 115 1981 422 78 93 1991 442 82 117 1982 429 82 107 1992 511 75 128 1983 543 64 115 1993 488 84 134 1984 662 50 130 1994 499 86 135 1985 571 62 128 1995 457 90 135 1986 509 70 116 1996 484 94 139 1987 399 90 92 1997 516 80 142 1988 408 94 94 1998 567 72 147 1989 438 100 110 1999 626 60 150 利用EViews软件容易得到表7.2.2回归结果。 表7.2.2 回归结果 2．虚拟变量在模型结构稳定性检验中的应用 利用不同的样本数据估计同一形式的计量经济模型，可能会得到不同的估计结果。如果估计的参数之间存在着显著差异，则称模型结构是不稳定的，反之则认为是稳定的。 模型结构的稳定性检验主要有两个用途：一是分析模型结构对样本变化的敏感性，如多重共线性检验；二是比较两个(或多个)回归模型之间的差异情况，即分析模型结构是否发生了显著变化。 利用一些特定的统计检验(如邹氏检验法，是美国计量经济学家邹至庄教授于1960年提出的一种检验两个或两个以上计量经济模型间是否存在差异的统计方法)，可以检验模型结构的稳定性问题，使用虚拟变量也可以得到相同的检验结果。 设根据同一总体两个样本估计的回归模型分别为 为“相异回归”(Dissimilar regressions)。 上述情况中