8[1].模型设定偏误.ppt

Dr.Ouyang第八章模型设定偏误等构造计量经济模型是进行计量经济分析的基础和前提，它就像是一座大厦的基石，发挥着举足轻重的作用。因此，在经典线性回归模型（CLRM）的假定中明确提出了“正确地设定了回归模型”这一假设，使得我们之后对模型参数的估计和检验有了牢固的根基。若某些统计量不能让人满意，我们则需要去侦察是否存在多重共线性或自相关等问题，并利用一些方法去解决它们。但有时在做完这些工作后，检验结果仍然不能令我们满意时，我们就可以怀疑是模型的设定有误差或偏误假如模型没有被正确设定，我们会遇到modelspecificationerror或modelspecificationbias问题。本章主要回答这些问题：1、选择模型的标准是什么？2、什么样的模型设定误差会经常遇到？3、模型设定误差的后果是什么？4、有那些诊断工具来发现模型设定误差？5、如果诊断设定误差的存在，如何校正，有何益处？6、怎样评估相互竞争模型的表现（modelevaluation）？笼统的模型选择标准这是笼统的模型选择标准：1、利用该模型进行预测在逻辑上是可能的；2、模型的参数具有稳定性，否则，预测就很困难。弗里德曼说：模型有效性的唯一检验标准就是比较模型的预测是否与经验一致。3、模型要与经济理论一致。4、解释变量必须与误差项不相关。5、模型的残差必须是白噪声；否则就存在模型设定误差。6、最后选择的模型应该涵盖其它可能的竞争模型；也就是说，其他模型不应该比所选模型的表现更好。§1模型设定偏误模型设定偏误的类型模型设定偏误的后果模型设定偏误的检验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和多选无关变量，(2)关于模型函数形式选取的偏误。1、相关变量的遗漏

（omittingrelevantvariables）例如，如果“正确”的模型为2、无关变量的误选

(includingirrevelantvariables)例如，如果仍为“真”，但我们将模型设定为即设定模型时，多选了一个无关解释变量。3、错误的函数形式

(wrongfunctionalform)例如，如果“真实”的回归函数为但却将模型设定为二、模型设定偏误的后果当模型设定出现偏误时，模型估计结果也会与“实际”有偏差。这种偏差的性质与程度与模型设定偏误的类型密切相关。1、遗漏相关变量偏误采用遗漏相关变量的模型进行估计而带来的偏误称为遗漏相关变量偏误（omittingrelevantvariablebias）。设正确的模型为却对进行回归，得(2)如果X2与X3不相关，则?2的估计满足无偏性与一致性；但这时?1的估计却是有偏的。(3)随机扰动项的方差将是有偏的(4)?2(hat)的方差估计量是有偏的(无论X2与X3是否相关)一个结论：假如模型是基于相应的经济理论而构建，建议不要擅自删除该理论所要求的变量。2、包含无关变量偏误采用包含无关解释变量的模型进行估计带来的偏误，称为包含无关变量偏误（includingirrelevantvariablebias）。设正确的模型为却对进行回归，如果?3=0，则(2)与(1)相同，因此，可将(2)式视为以?3=0为约束的(1)式的特殊形式。由于所有的经典假设均可满足,因此对模型(2)进行OLS估计,可得到无偏且一致的估计量.注意,因?3=0,因此E(?3(hat))=0但是,OLS估计量却不具备最小方差性(除非X2与X3完全线性无关)一般来说，最好的方法是，只包含那些在理论上对被解释变量有直接影响，而有不能被已包含的其它变量来代替的解释变量。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（wrongfunctionalformbias）。设正确的模型为却对进行回归，显然，两者的参数具有完全不同的经济含义，且估计结果一般也是不相同的。1、检验是否含有无关变量值得注意的是，这些检验进行的前提是我们已经根据理论建立了一个被自己认为是正确的模型，而这些检验的用处是帮助我们判断模型里是否有多余的变量，而不是帮我们建立模型。也就是说，在统计上显著是与相关的必要而非充分条件，我们不能因为是统计上显著的，就把本来不被包括在模型中的引入到模型中。因此，在建立模型时，我们还是应以理论为基础，注重它的经济学含义。