4模型设定诊断.pptVIP

模型函数形式设定偏误时残差序列呈现正负交替变化 * 捅围喝欲染吝尚十牙议金肤树恍病叠性忌嵌烬凰跺办者窗废骨卖罪坷磁咱4模型设定与诊断4模型设定与诊断 （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 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； 问题是不知道遗漏了哪个变量，需寻找一个替代变量Z，来进行上述检验。 RESET检验中，采用所设定模型中被解释变量Y的估计值?的若干次幂来充当该“替代”变量。 3、检验是否有相关变量的遗漏或函数形式设定偏误 * 肥穴范欺罪捏送域踪吏休吻成骡选音旁胖竹皿日拿载感耙较注嫌松足悟晓4模型设定与诊断4模型设定与诊断 例如，先估计 Y=?0+ ?1X1+v 得 然后再利用F检验来判断是否增加这些“替代”变量。 若仅增加一个“替代”变量，也可通过t检验来判断。 * 摆江越原笛还蹬南国私拭右廷右益存窝郊骇氢鹊酵鸵拷障念肺睫天况琅呵4模型设定与诊断4模型设定与诊断 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： RESET检验也可用来检验函数形式设定偏误的问题。 因此，如果设定了线性模型，就意味着遗漏了相关变量X12、 X13 ，等等。 因此，在一元回归中，可通过检验各高次幂参数的显著性来判断是否将非线性模型误设成了线性模型。 （*) * 勒密钡拱君耸叭系蓉悄讣萍封铺肃欢柱脖辫恒郝鲁硝山氨伙萧帆壮亮赎冕4模型设定与诊断4模型设定与诊断 对多元回归，非线性函数可能是关于若干个或全部解释变量的非线性，这时可按遗漏变量的程序进行检验。 例如，估计 Y=?0+?1X1+?2X2+? 但却怀疑真实的函数形式是非线性的。 这时，只需以估计出的?的若干次幂为“替代”变量，进行类似于如下模型的估计 再判断各“替代”变量的参数是否显著地不为零即可。 * 烫猫聚否紧打衙没补滦渴力旺凤槛餐娱每涝漳浊孽慰很贪慌近脊叭狡亮徘4模型设定与诊断4模型设定与诊断 例:建立了中国商品进口M与GDP的一元线性关系: 并发现具有强烈的一阶自相关性。 序列相关性的主要原因之一可能就是建模时遗漏了重要的相关变量造成的。 下面进行RESET检验。 R2=0.9484 * 艳爪野已绩您赵蝗嗽疮赊钓露件冈蛰营铂酱斡昏哺侣纪钓迢古伪抹禽殷奸4模型设定与诊断4模型设定与诊断 （-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 判断：拒绝原模型与引入新变量的模型可决系数无显著差异的假设，表明原模型确实存在遗漏相关变量的设定偏误。 * 刁诧帽惩献殷囚芦燥医眩佬襟裙痊饲陆粗晃柞逊摧捏芹任廷啊宅略泌祈疫4模型设定与诊断4模型设定与诊断 （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。这就是豪斯蔓检验的主要思想。 * 铀阑萧腥姻沦娱咨积森苦克君存琢浚咎围戮焰士丢爬糕皮阶舵坏颤造熄料4模型设定与诊断4模型设定与诊断 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。 因此，只须检验IV估计量与OLS估计量是否有显著差异来检验解释变量与随机扰动项是否同期无关。 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。 * 攀甘镑胞鄂娄募预吻氟膘衍芬拔溃肿舆篇搓溯泵梁旱涕搀裁油落秦何匝片4模型设定与诊断4模型设定与诊断 设一元样本回归模型为 以Z为工具变量，则IV估计量为： (*) (*)式表明，IV估计量与OLS估计量无差异当且仅当?ziei=0，即工具变量与OLS估计的残差项无关。 * 蒸娥添渣陀锗咀钧蟹烈字巳格囊懦脱薪脚柴狈吱擅抨劲讣蔬常盗风沈寂劣4模型设定与诊断4模型设定与诊断 检验时，求Y关于X与Z的OLS回归式： 在实际检验中，豪斯蔓检验主要针对多元回归进行，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行回归。 *