本科经济计量学第7章第4版.ppt

第7章 模型选择：标准与检验 7.1 “好的”模型具有的特性 简约性（节省性） ---- 模型应尽可能的简单 可识别性 ---- 每个参数只有一个估计值 拟合优度高 ---- 拟合优度越大越好 理论一致性 ---- 与理论相合而非相背 预测能力好 ---- 理论预测能被实际经验所验证 7.2 设定误差的类型 1. 遗漏相关变量：“过低拟合”模型 2. 包括不相关变量：“过度拟合”模型 3. 采用了错误的函数形式 4. 度量误差 7.6 度量误差 7.7 诊断设定误差：设定误差的检验 7.7.1 诊断非相关变量的存在 7.7.2 对遗漏变量和不正确函数形式的检验 7.7.3 MWD检验 7.7.4 回归误差设定检验 7.7.3 在线性模型和对数线性模型之间选择：MWD检验 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 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 做Y对X和Z1i的回归 如果根据t检验Z1i的系数是统计显著的，则拒绝H0 （6）令 （7）做lnY对X或lnX和Z2i的回归 如果Z2i的系数是统计显著的，则拒绝H1 7.7.4 回归误差设定检验：RESET RESET检验步骤： （1）根据原设定模型估计出Y值，记为 （2）若残差图表明残差与Y的估计值之间存在某种曲线关系，则考虑如下模型： （3）做F检验： * 第7章 * * 我们前面已经提到过模型的设定误差，在实际应用中，我们应尽量避免出现设定误差，这就需要我们在选择模型的时候要特别注意。 本章主要考虑下列问题： （1）“好的”或者“正确的”模型有哪些性质？ （2）在实践中可能会犯哪些类型的设定误差？ （3）设定误差的后果是怎样的？ （4）如何诊断设定误差？ （5）出现设定误差的补救措施有哪些？ 7.1 “好的”模型具有的性质 7.2 设定误差的类型 7.3 遗漏相关变量：“过低拟合”模型 7.4 包括不相关变量：“过度拟合”模型 7.5 不正确的函数形式 7.6 度量误差 7.7 诊断设定误差：设定误差的检验 7.8 小结 7.3 遗漏相关变量：“过低拟合”模型 考虑习题4.14中的数据，并考虑如下回归： Yi=B1+B2X2i+B3X3i+ui (7-1) 其中 Y：婴儿死亡率；X2：人均GNP；X3：女性识字率。 如果我们采用并估计的是下面的方程： Yi= A1+A2X2i+vi (7-2) 返回(7-6) 返回残差检验 也称“不足拟合” 注意此时vi的性质：vi中包含B3X3i+ui 。 这就可能会产生遗漏重要解释变量的错误。 返回(7-12) 由于遗漏了变量X3t，若该变量是重要变量，则会出现遗漏变量偏差，可能会产生如下后果： (1) 如果X3与X2相关，则估计量a1和a2是有偏和不一致的 (2)如果X3与X2不相关，则估计量a2是无偏和一致的 (3) 误差方差的估计是有偏的 (4) 估计量a2的方差是有偏的 (5)置信区间和假设检验不可靠 例7.1 婴儿死亡率的决定因素 利用表4-7给出的数据，式(7-1)的回归结果如下： CMi= 263.6416-0.0056PGNPi-2.2316FLRi se=(11.5932) (0.0019) (0.2099) (7-6) t = (22.74) (-2.8187) (-10.629) σ2=106315.6; R2=0.6981; 而错误设定式(7-2)的回归结果为： CMi= 157.4244-0.0114PGNPi se=(9.8455) (0.0032) (7-7) t = (15.989) (-3.5157) σ2=303228.5; R2=0.1528; 返回(7-13) (1) 错误设定式表明：PGNP每增加1美元，平均而言婴儿死亡率降低约0.01。真实模型表明，PGNP每增加1美元，平均而言婴儿死亡率降低约0.006。错误设定方程高估了（绝对值）PGNP对CM的影响。 注意两个回归结果有如下几个特点： (2) 截