传统计量经济学方法论.ppt

1,第八章,传统计量经济学的建模方法论,2,建立模型的基本准则：1，节省性。即模型越简单越好。2，识别性。对于给定的一组数据，估计的参数必须有唯一的一组值。3，拟合优度。通过模型中的解释变量，尽可能多地解释被解释变量的变异情况，即比较高的经过校正的R2。（当然，高R2如果与估计的参数和先验的符号结合起来考虑就更好了）,3,设定偏误,当人们估计了一个模型后，会利用我们前面讲过的方法去进行判断，是否存在自相关、异方差问题，如果排除或解决了这些问题，估计的结果依旧存在问题，如无法通过t 检验或F检验，参数估计的符号与先验不符，决定系数偏低等。这时人们会考虑模型是否出现了设定误差,4,顾名思义，设定误差指模型建立过程中由于人为的错误或疏忽而导致的偏差。设定误差的主要类型包括：1，漏掉一个重要变量2，包括一个无关紧要的变量3，错误的函数形式4，测量误差,5,出现设定误差的后果,1，漏掉了重要变量，假设真实的模型是：y=1x1+2 x2+而我们建立的模型是：y=1 x1+即漏掉了一个变量 根据最小二乘法，1 hat=x1 y/x1 2 x1（1x1+2 x2+）/x1 2,6,1+2 x1 x2/x1 2+x1/x1 2 E(1 hat)=1+2 x1 x2/x1 2 因为E(x1)=0所以参数的估计不是无偏的。,7,包括了无关紧要的变量假设真实的模型是：y=1 x1+而估计的模型是：y=1x1+2 x2+1 hat(S22S1y-S12S2y)/(S11S22-S122)2hat(S11S2y-S12S1y)/(S11S22-S122),8,S11=x1 2，S1y x1 y，S12 x1 x2，以此类推。又因为y=1 x1+所以E（S1y)=E(x1 y)=E x1(1 x1+)1 S11 E（S2y)1 S12 E(1 hat)=1 E(2 hat)=2 参数估计是无偏的，但是问题是方差估计变大，使统计推断即检验出现问题。,9,关于测量误差1,被解释变量Y存在测量上的误差Yi*=+Xi+i（1）Yi*是永久消费Xi当前收入永久消费不可观测，使用当前消费来替代Yi=Yi*vi,10,所以估计的模型变成了：Yi=Yi*vi（+Xi+i）vi+Xi+（ivi）（2）从第一个方程：Var(hat)=2/x2 从第二个方程：Var(hat)=（2 2 v)/x2 估计依旧是无偏的，但是，估计参数的方差大于没有测量误差时的方差。,11,2,解释变量x测量上的误差Yi=+Xi*+i(1)Yi是当前消费Xi*永久收入，假设我们可以观测到的是Xi Xi*w iYi=+Xi*+i=+(Xi-w i)+i=+Xi+(i-w i)=+Xi+z i(2),12,方程2中的误差项与解释变量不再是不相关的。Cov(xi zi)=E(zi E(zi)xi E(xi)=E(i-w i)(w i)=-2 w 因此破坏了古典回归的假设前提。,13,设定误差的检验,一，判断是否出现无关紧要的变量最简单的办法是使用t检验来判断某一变量是否应该被包含进来；如果怀疑两个或以上的变量，则使用F检验，如对于x3 x5检验H0:3=5=0但是切勿反复使用t 和F检验,14,二 对遗漏变量和不正确函数形式的检验 事实上我们永远不能肯定哪一个模型是“真实的”模型，只是当我们使用判断模型好坏的标准一一排查之后，模型依旧存在问题时，才担心模型的函数形式是否正确或是否漏掉了重要变量。,15,检验的方法无固定，通常有三种方法：1。残差分析，画出不同回归模型的x和残差之间关系的图形，越接近正确的函数形式，残差越小，例如总成本和总产出分析，估计线性函数、二次函数和立方法函数，当画出残差的变化情况时，大体可以验证上面的说明。,16,2，使用DW检验，通常越接近真实的模型，越没有自相关。,