计量经济学模型设定偏误问题(“变量”文档)共31张

模型设定偏误问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 一、模型设定偏误的类型二、模型设定偏误的后果三、模型设定偏误的检验一、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项选择无关变量，(2)关于模型函数方式选取的偏误。1、相关变量的脱漏〔omittingrelevantvariables〕例如，假设“正确〞的模型为而我们将模型设定为即设定模型时漏掉了一个相关的解释变量。这类错误称为脱漏相关变量。动态设定偏误〔dynamicmis-specification〕:脱漏相关变量 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 现为对Y或X滞后项的脱漏。2、无关变量的误选(includingirrevelantvariables)例如，假设Y=0+1X1+2X2+仍为“真〞，但我们将模型设定为Y=0+1X1+2X2+3X3+即设定模型时，多项选择了一个无关解释变量。3、错误的函数方式(wrongfunctionalform)例如，假设“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“实践〞有偏向。这种偏向的性质与程度与模型设定偏误的类型亲密相关。1、脱漏相关变量偏误采用脱漏相关变量的模型进展估计而带来的偏误称为脱漏相关变量偏误〔omittingrelevantvariablebias〕。设正确的模型为Y=0+1X1+2X2+却对Y=0+1X1+v进展回归，得2、包含无关变量偏误无法经过断定系数的大小来辅助决策，由于在两类模型中被解释变量是不同的。无法经过断定系数的大小来辅助决策，由于在两类模型中被解释变量是不同的。假设X2与X1不相关，也有假设事先知道脱漏了哪个变量，只需将此变量引入模型，估计并检验其参数能否显著不为零即可；由Y=0+1X1+2X2+得1、相关变量的脱漏〔omittingrelevantvariables〕(*)式阐明，IV估计量与OLS估计量无差别当且仅当ziei=0，即工具变量与OLS估计的残差项无关。t检验：检验某1个变量能否应包括在模型中；3、错误函数方式的偏误二、模型设定偏误的后果这种偏向的性质与程度与模型设定偏误的类型亲密相关。对多元回归，非线性函数能够是关于假设干个或全部解释变量的非线性，这时可按脱漏变量的程序进展检验。将正确模型Y=0+1X1+2X2+的离差方式代入得(1)假设漏掉的X2与X1相关，那么上式中的第二项在小样本下求期望与大样本下求概率极限都不会为零，从而使得OLS估计量在小样本下有偏，在大样本下非一致。(2)假设X2与X1不相关，那么1的估计满足无偏性与一致性；但这时0的估计却是有偏的。由Y=0+1X1+v得由Y=0+1X1+2X2+得假设X2与X1相关，显然有假设X2与X1不相关，也有Why?2、包含无关变量偏误采用包含无关解释变量的模型进展估计带来的偏误，称为包含无关变量偏误〔includingirrelevantvariablebias〕。设Y=0+1X1+v(*)为正确模型，但却估计了Y=0+1X1+2X2+(**)假设2=0，那么(**)与(*)一样，因此，可将(**)式视为以2=0为约束的(*)式的特殊方式。由于一切的经典假设都满足，因此对Y=0+1X1+2X2+(**)式进展OLS估计，可得到无偏且一致的估计量。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:否那么：留意：3、错误函数方式的偏误中选取了错误函数方式并对其进展估计时，带来的偏误称错误函数方式偏误〔wrongfunctionalformbias〕。容易判别，这种偏误是全方位的。例如，假设“真实〞的回归函数为却估计线性式显然，两者的参数具有完全不同的经济含义，且估计结果普通也是不一样的。三、模型设定偏误的检验1、检验能否含有无关变量可用t检验与F检验完成。检验的根本思想:假设模型中误选了无关变量，那么其系数的真值应为零。因此，只须对无关变量系数的显著性进展检验。t检验：检验某1个变量能否应包括在模型中；F检验：检验假设干个变量能否应同时包括在模型中2、检验能否有相关变量的脱漏或函数方式设定偏误〔1〕残差图示法残差序列变化图〔a〕趋势变化：模型设定时能够脱漏了一随着时间的推移而继续上升的变量〔b〕循环变化：模型设定时能够脱漏了一随着时间的推移而呈现循环变化的变量模型函数方式设定偏误时残差序列呈现正负交替变化图示：一元回归模型中，真实模型呈幂函数方式，但却选取了线性函数进展回归。〔2〕普通性设定偏误检验但更准确更常用的断定 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 是拉姆齐(Ramsey)于1969年提出的所谓RESET检验〔regressionerrorspecificationtest〕。根本思想：假设事先知道脱漏了哪个变量，只需将此变量引入模型，估计并检验其参数能否显著不为零即可；问题是不知道脱漏了哪个变量，需寻觅一个替代变量Z，来进展上述检验。RESET检验中，采用所设定模型中被解释变量Y的估计值Ŷ的假设干次幂来充任该“替代〞变量。例如，先估计Y=0+1X1+v得再根据第三章第五节引见的添加解释变量的F检验来判别能否添加这些“替代〞变量。假设仅添加一个“替代〞变量，也可经过t检验来判别。例如，在一元回归中，假设真实的函数方式是非线性的，用泰勒定理将其近似地表示为多项式：RESET检验也可用来检验函数方式设定偏误的问题。因此，假设设定了线性模型，就意味着脱漏了相关变量X12、X13，等等。因此，在一元回归中，可经过检验(*)式中的各高次幂参数的显著性来判别能否将非线性模型误设成了线性模型。〔*〕对多元回归，非线性函数能够是关于假设干个或全部解释变量的非线性，这时可按脱漏变量的程序进展检验。例如，估计Y=0+1X1+2X2+但却疑心真实的函数方式是非线性的。这时，只需以估计出的Ŷ的假设干次幂为“替代〞变量，进展类似于如下模型的估计再判别各“替代〞变量的参数能否显著地不为零即可。〔-0.085〕〔8.274〕〔-6.457〕〔6.692〕R2=0.9842在=5%下，查得临界值F0.05(2,20)=3.49判别：回绝原模型与引入新变量的模型可决系数无显著差别的假设，阐明原模型确实存在脱漏相关变量的设定偏误。*〔3〕同期相关性的豪斯蔓〔Hausman〕检验由于在脱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，对模型脱漏相关变量的检验可以用模型能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，经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。因此，只须检验IV估计量与OLS估计量能否有显著差别来检验解释变量与随机扰动项能否同期无关。对一元线性回归模型Y=0+1X+所检验的假设是H0：X与无同期相关。Y=0+1X1+2X2+(**)〔b〕循环变化：模型设定时能够脱漏了一随着时间的推移而呈现循环变化的变量仍为“真〞，但我们将模型设定为第二步，用得到的样本几何均值去除原被解释变量Y，得到被解释变量的新序列Y*。例如，假设“正确〞的模型为二、模型设定偏误的后果为正确模型，但却估计了例如，假设“正确〞的模型为例如，假设“真实〞的回归函数为回绝原假设，就意味着〔*〕式中的解释变量与随机扰动项相关。1、相关变量的脱漏〔omittingrelevantvariables〕无法经过断定系数的大小来辅助决策，由于在两类模型中被解释变量是不同的。假设事先知道脱漏了哪个变量，只需将此变量引入模型，估计并检验其参数能否显著不为零即可；例如，在一元回归中，假设真实的函数方式是非线性的，用泰勒定理将其近似地表示为多项式：但更准确更常用的断定方法是拉姆齐(Ramsey)于1969年提出的所谓RESET检验〔regressionerrorspecificationtest〕。当X1与X2完全线性无关时:设一元样本回归模型为以Z为工具变量，那么IV估计量为：(*)(*)式阐明，IV估计量与OLS估计量无差别当且仅当ziei=0，即工具变量与OLS估计的残差项无关。检验时，求Y关于X与Z的OLS回归式：在实践检验中，豪斯蔓检验主要针对多元回归进展，而且也不是直接对工具变量回归，而是对以各工具变量为自变量、分别以各解释变量为因变量进展回归。如对二元回归模型经过添加解释变量的F检验，检验结合假设：H0：1=2=0。回绝原假设，就意味着〔*〕式中的解释变量与随机扰动项相关。(*)〔4〕线性模型与双对数线性模型的选择无法经过断定系数的大小来辅助决策，由于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:第一步，计算Y的样本几何均值。第二步，用得到的样本几何均值去除原被解释变量Y，得到被解释变量的新序列Y*。第三步，用Y*替代Y，分别估计双对数线性模型与线性模型。并经过比较它们的残差平方和能否有显著差别来进展判别。其中，RSS1与RSS2分别为对应的较大的残差平方和与较小的残差平方和，n为样本容量。可以证明：该统计量在两个回归的残差平方和无差别的假设下服从自在度为1的2分布。因此，回绝原假设时，就应选择RSS2的模型。Zarembka〔1968〕提出的检验统计量为：