第六章内生解释变量.ppt

第六章 内生解释变量;第一节 解释变量内生性的成因与检验;内生性会对OLSE的统计性质产生不良影响;;3、其它影响;二、内生性产生的原因;考虑成年劳动者的工资方程中存在未观测到的能力的问题;将正确模型（6.1）式代入（6.3）式得;（1）若遗漏的 x2与x1 相关，则（6.4）、（6.5）式中的第二项在小样本的期望与大样本下的概率极限都不会为零，使得普通最小二乘估计量OLSE是有偏的，在大样本下也是不一致的。;在搜集数据时，如果遇到所搜集的数据不能确实地反映变量间经济行为的情况，就称模型中包含了测量误差（Measurement Errors）。具体来说，测量误差是指在收集数据过程中的登记误差、在数据加工整理过程中的整理误差以及其他统计误差。测量误差出现的原因是多方面的。首先，调查登记本身就可能产生误差； 其次，数据的加工处理过程中也可能导致一定的误差； 此外，数据的不当使用也会出现误差， 测量误差可能是被解释变量的测量误差，也可能是解释变量的测量误差。;（1）因变量存在测量误差 ，且与自变量不相关， ，则OLS估计量具有良好的性质，是无偏和一致的。;例如，如果“真实”的回归函数为;由于经济现象的错综复杂，大多数经济问题中各变量之间存在反馈效应。要描述经济现象的这种复杂关系，必须从整体和系统的角度进行，建立由多个相互联系的单一方程组成的联立方程模型才能完整表达。正如单方程模型会遇到内生性问题，联立方程模型更容易遇到内生性问题。因为在联立方程模型中，结构式中已包含有其它的内生变量，所以在从结构式到简约式的转化中，自然也把误差项带入了其它的结构式中，产生联立性（Simultaneity），进而不可避免地造成内生性。由于内生性的存在，会使得OLS估计量是有偏的和不一致的。;检验的基本思想：如果不知道遗漏了哪个变量，可寻找一个替代变量来进行遗漏变量检验，替代变量通常选用所设定模型被解释变量的拟合值 的若干次幂的线性组合。若模型估计所得的残差包含着遗漏的相关变量，那么这个残差可用被解释变量拟合值若干次幂的线性组合近似表示；若这个线性组合是显著的，则认为原模型设定有误（遗漏变量）。由于可引入若干个替代变量去判断是否有多个变量被遗漏，所以该方法被称为一般性设定误差检验。;第一步：用OLS法对模型（6.7）进行回归估计;其中， RSSU为对模型(6.8)（相当于无约束模型）进行回归得到的残差平方和， RSSR 为模型（6.7）（有约束模型）进行回归得到的残差平方和，dfU 和 dfR分别为 前二者的自由度。针对模型（6.8），（6.9）式可以写为：;第四步：给定显著性水平 ，若F统计值大于等于临界值 ，则拒绝原假设，表明存在设定误差（遗漏变量），否则，说明不存在设定误差（遗漏变量）。类似的，也可以利用F统计值对应的概率值来判断：如果概率值小于等于 ，则拒绝原假设，表明存在设定误差（遗漏变量），否则，说明不存在设定误差（遗漏变量）。;表6-1 城镇居民人均可支配收入和人均消费性支出抽样调查数据（元）;模型的参数均通过了0.01水平下的显著性检验，R2=0.998表明拟合效果很好。但是由于我们仅用当期收入来解释消费支出的变化，因此，可能遗漏了相关变量。下面进行RESET检验。;F统计量的值大于0.05显著性水平下自由度为（1,16）的F分布的临界值4.49，因此拒绝原假设，表明原模型确实存在设定误差，遗漏了相关变量，所以我们认为消费与收入之间的关系可能并不像一元线性模型那么简单。;由于F统计量对应的概率为0，显然小于 0.05，故拒绝原假设，认为遗漏了相关变量。由此可见，我国城镇居民的消费行为，不能认为服从绝对收入消费理论假说，线性模型设定有误。;豪斯曼内生性检验的具体步骤为：;;其中，ex为某贫困地区地方政府的支出，aid为中央政府的拨款量，inc为贫困地区地方政府的财政收入，pop为该地区的总人口数。现怀疑中央政府的拨款量aid存在测量误差。我们选择贫困人口数ps为工具变量，其原因为扶贫支出是该地区地方政府支出中比重最大的支出，其经费来源主要是依赖中央政府的拨款，而中央政府的拨款与该地区贫困人口数ps有直接关系，因此ps与aid有较高相关性。将aid对ps进行回归，得：;从上式看出，因为 系数的t值是1.73，小于t的临界值1.96，在0.05的显著性水平下，双侧t检验接受原假设（不存在测量误差），但在0.1的显著性水平上，双侧t检验则拒绝原假设而接受备择假设（存在测量误差）。 注意，引进对测量误差可能性的修正，使aid变量的系数变小，这从另一个侧面说明，测量误差夸大了aid对ex的影响。;工具变量的选择应满足以下条件：工具变量必须具有实际经济意义；工具变量与内生解释变量高度相关，但与随机项不相关；工具变量