计量经济学王少平杨继生欧阳志刚第5章节模型设定.ppt

第5章 模型设定 前 言 高斯—马尔可夫定理：OLS估计量无偏、最优的首要条件是，模型必须正确设定。 对于一个现实的经济问题，什么样的模型才是正确设定的模型？ 对于所谓设定不正确的模型，其设定偏误有什么样的具体表现？我们该如何去识别模型的设定是否存在某种偏误？ 如果一个模型确实存在某种设定偏误，它对我们的分析结论又会产生什么样的影响？ §5.1 计量经济学模型的设定偏误 一、模型设定偏误 如果所建立的计量经济学模型与真实的经济关系不一致，模型就出现了所谓的“设定偏误”。 对于正确设定的模型，一个最基本的信息是：其参数估计值的符号必须与理论预期或基于现实观察的经验预期相一致。 二、模型设定偏误的类型 消费函数：Ct为消费支出，Yt表为收入 ——凯恩斯的绝对收入假定模型 假定边际消费倾向不变： 设定偏误主要有两个来源： 不适当的解释变量：漏掉了必要的解释变量或包含了不必要的解释变量。 不适当的函数形式。 §5.2 模型设定偏误的后果 一、模型拟合不足 如果模型中漏掉了必要的解释变量，称之为模型拟合不足。 若消费函数的“真实”的模型是（5.1.4），而选择了模型（5.1.1） 后果： 问题的一般化： 其他影响： 二、模型过度拟合 如果模型包含了多余的解释变量，称之为模型过度拟合。 如果“真实” 的消费函数模型应该是（5.1.1），但我们却选择了模型（5.1.4）： 具体影响： 误差项满足经典假定，模型的参数估计量是无偏的。 问题本质：估计了一个实际上不必估计的参数 不会导致误差项与解释变量之间相关，不影响参数OLS估计量的无偏性。 拟合过度模型OLS估计量的方差会增大：多余的解释变量和模型中必要的解释变量总是存在一定的相关性，部分变化信息重复。重复信息的影响难以在解释变量间准确分解，导致系数估计精度下降。 消费函数 其他影响： 三、不正确的函数形式 “真实”的消费函数是（5.1.3），但选择了模型（5.1.1）或（5.1.2）。 ——所估计的经济关系与现实的经济关系不一致。 模型（5.1.2）和（5.1.3）都能够反映边际消费倾向递减的特征。 ——“真实”模型不可知的，二者之间如何选择？ 基于样本数据进行检验 §5.3 模型误设的检验 一、过度拟合的检验 对有疑问的解释变量进行显著性检验。 一个可疑变量：t检验。 多个可疑变量：F检验。 目的：判定过度拟合的假设是否成立，不是筛选解释变量。 显著性检验不能作为模型设定时解释变量取舍的主要依据。 二、拟合不足的检验 检验方法：LM检验（拉格朗日乘数检验）。 F检验的问题：无约束模型的误差项是经典误差项且满足正态性假定，有限样本中不一定能够满足。 大样本的检验统计量——LM检验统计量。 三、拉姆齐的RESERT检验 拉姆齐的RESERT检验可用于模型函数形式的检验，也可用于模型拟合不足的检验。 四、非嵌套模型的检验 非嵌套关系：模型的解释变量之间没有完全的包容关系，一个模型不是另一个模型的约束形式这种关系。 非嵌套模型之间进行选择：戴维森和麦金农的J检验。 基本思想： 举例： 假设A为真，B为备选模型。 反过来，假设B为真，A为备选模型。 不足之处 两个模型都可能被拒绝或者两个模型都不能拒绝。 若出现这样的情形，需借助其他信息进行进一步地分析。 §5.4 样本数据导致的模型设定问题 一、随机测量误差 鉴于技术和成本等因素的制约，难以避免统计数据的误差。 影响： （1）解释变量存在随机测量误差的影响 （2）被解释变量存在随机测量误差的影响 举例： （2） 被解释变量存在随机测量误差 二、奇异样本数据问题 影响 OLS估计量对奇异样本数据很敏感。 残差不再具有正态性。 举例： 如图： 检测方法： 最简便易行的方法：观察样本图形或残差图。 如果某个样本点具有数值非常大的残差，基本上就可确认为一个奇异样本点。 §5.5 关于模型设定偏误问题的蒙特卡洛仿真实验 蒙特卡洛（Monte-Carlo）模拟基本思想： （1）设定参数数值，随机生成解释变量和随机误差项的数值，得到仿真样本。 （2）对仿真样本进行估计。 （3）保持参数值不变，大量重复这一过程，将估计值与设定的参数真值进行比较，直观考察估计量的偏误和精度。 一、模型拟合不足的仿真实验 1. 解释变量相关时： (1)设定真实的总体回归模型，生成仿真样本数据。 2. 解释变量不相关时 二、模型拟合