ERP系统编码培训 实施顾问 参考.ppt

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（wrong functional form bias）。容易判断，这种偏误是全方位的。 三、模型设定偏误的检验 1. 检验是否含有无关变量 2. 检验是否有相关变量的遗漏或函数形式设定偏误 （1）残差图示法 残差序列变化图 （2）一般性设定偏误检验 但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 error specification test）。 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； 例如，在一元回归中，假设真实的函数形式是非线性的，用泰勒定理将其近似地表示为多项式： *（3）同期相关性的豪斯蔓（Hausman）检验 由于在遗漏相关变量的情况下，往往导致解释变量与随机扰动项出现同期相关性，从而使得OLS估计量有偏且非一致。 因此，对模型遗漏相关变量的检验可以用模型是否出现解释变量与随机扰动项同期相关性的检验来替代。这就是豪斯蔓检验（1978）的主要思想。 当解释变量与随机扰动项同期相关时，通过工具变量法可得到参数的一致估计量。 而当解释变量与随机扰动项同期无关时， OLS估计量就可得到参数的一致估计量。 （4）线性模型与双对数线性模型的选择 无法通过判定系数的大小来辅助决策，因为在两类模型中被解释变量是不同的。 为了在两类模型中比较，可用Box-Cox变换: 例5.3.2 在§4.3中国商品进口的例中， 采用线性模型: R2=0.948; 采用双对数线性模型: R2=0.973， 但不能就此简单地判断双对数线性模型优于线性模型。下面进行Box-Cox变换。 §5.4从传统建模理论到约化建模理论 一、传统建模理论与数据开采问题 二、“从一般到简单”——约化建模型理论 三、非嵌套假设检验 四、约化模型的准则 一、传统建模理论与数据开采问题 传统计量经济学的主导建模理论是“结构模型方法论” 以先验给定的经济理论为建立模型的出发点， 以模型参数的估计为重心， 以参数估计值与其理论预期值相一致为判断标准， 当在众多备选变量中选择变量进入模型时，其中t检验的真实的显著性水平已不再是事先给出的名义显著性水平。 显著性水平意味着将一个无关变量作为相关变量选入模型而犯错误的概率。 例如： 给定?=5%，如果有2个相互独立且与被解释变量无关的备选变量，误选一个进入模型的概率就成了 1-(1-0.05)2=0.0975 传统建模方法的另一问题是它的“随意性”。 其结果是：对同一研究对象，使用同一数据，但不同的建模者往往得出不同的最终模型。 二、“从一般到简单”——约化建模型理论 该理论认为：在模型的最初设定上，就设立一个“一般”的模型，它包括了所有先验经济理论与假设中所应包括的全部变量，各种可能的“简单”模型都被“嵌套”（nested）在这个“一般”的模型之中。然后在模型的估计过程中逐渐剔除不显著的变量，最后得到一个较“简单”的最终模型。 这就是所谓的“从一般到简单”（general-to-specific）的建模理论。 是一个“从简单到复杂”的建模过程（simple-to-general approach）:对不同变量及其数据的偿试与筛选过程。 传统建模方法主要的缺陷：建模过程的所谓“数据开采”（Data minimg）问题。 数据开采:对不同变量及其数据的偿试与筛选。 这一过程对最终选择的变量的t检验产生较大影响 罗维尔（Lovell）给出了一个从c个备选变量中选取k个变量进入模型时，真实显著性水平?*与名义显著性水平?的关系： ?*=1-(1- ?)c/k 同业编码方案示例讲解 物料编码 原材料编码 同业编码方案示例讲解 物料编码 产成品编码 同业编码方案示例讲解 半成品就在产成品基础上，在第一级进行区分 如 BFH 代表包装部复合车间半成品 （FH为 “复合” 拼音首字母） BFQ 代表包装部分切车间半成品 （FQ为 “分切” 拼音首字母） 但是，OLS估计量却不具有最小方差性。 Y=?0+ ?1X1+v 中X1的方差: Y=?0+?1X1+?2X2+? 中X1的方差: 当X1与X2完全线性无关时: 否则： 注意： 例如，如果“真实”的回归函数为: 却估计线性式 显