本科经济计量学第7章(第4版)课件.pptVIP

第7章 模型选择：标准与检验; 我们前面已经提到过模型的设定误差，在实际应用中，我们应尽量避免出现设定误差，这就需要我们在选择模型的时候要特别注意。 本章主要考虑下列问题： （1）“好的”或者“正确的”模型有哪些性质？ （2）在实践中可能会犯哪些类型的设定误差？ （3）设定误差的后果是怎样的？ （4）如何诊断设定误差？ （5）出现设定误差的补救措施有哪些？ ;7.1 “好的”模型具有的性质 7.2 设定误差的类型 7.3 遗漏相关变量：“过低拟合”模型 7.4 包括不相关变量：“过度拟合”模型 7.5 不正确的函数形式 7.6 度量误差 7.7 诊断设定误差：设定误差的检验 7.8 小结;7.1 “好的”模型具有的特性;7.2 设定误差的类型;; 由于遗漏了变量X3t，若该变量是重要变量，则会出现遗漏变量偏差，可能会产生如下后果： (1) 如果X3与X2相关，则估计量a1和a2是有偏和不一致的 (2)如果X3与X2不相关，则估计量a2是无偏和一致的 (3) 误差方差的估计是有偏的 (4) 估计量a2的方差是有偏的 (5)置信区间和假设检验不可靠 ;例7.1 婴儿死亡率的决定因素 利用表4-7给出的数据，式(7-1)的回归结果如下： CMi= 263.6416-0.0056PGNPi-2.2316FLRi se=(11.5932) (0.0019) (0.2099) (7-6) t = (22.74) (-2.8187) (-10.629) σ2=106315.6; R2=0.6981; 而错误设定式(7-2)的回归结果为： CMi= 157.4244-0.0114PGNPi se=(9.8455) (0.0032) (7-7) t = (15.989) (-3.5157) σ2=303228.5; R2=0.1528; ;(1) 错误设定式表明：PGNP每增加1美元，平均而言婴儿死亡率降低约0.01。真实模型表明，PGNP每增加1美元，平均而言婴儿死亡率降低约0.006。错误设定方程高估了（绝对值）PGNP对CM的影响。 ;; 我们仍用简单的双变量和三变量模型加以说明。假设： Yi=B1+B2X2i+ui (7-9) 是正确设定的模型，但是，某研究者却加入了多余的变量X3，估计了以下的模型： Yi=A1+A2X2i+A3X3i+vi (7-10) 这里，设定误差是过度拟合了模型，此时，R2值会增加(若增加变量系数的t值的绝对值大于1，则校正后的R2也会增加)，从而增加模型的预测能力。其它后果如下：;(1)“不正确”模型(7-10)的OLS估计量是无偏的(也是一致的)。 (2) 从回归方程(7-10)中所得的σ2的估计量是合适的估计值。 (3) 标准的置信区间和假设检验仍然是有效的。 (4) 但是回归方程(7-10)中估计的参数的方差通常比从真实模型(7-9)中估计的大。 因此，尽管假设-检验是有效的，但是估计的系数值没有根据正确模型所估计的真实值那么精确。 简言之，OLS估计量是线性无偏估计量，但不是最优线性无偏估计量。 ; 从上述讨论中我们注意到：遗漏相关变量比包括不相关变量的后果要严重一些。 但是通常并不鼓励为避免遗漏相关变量而包括可能不相关的变量，因为： 1.不必要变量的增加会减少估计量的有效性(即更大的标准差)； 2.可能导致多重共线性问题； 3.自由度的损失更大。 所以正确选择变量是非常重要的。;7.5 不正确的函数形式 现在考虑另外一种设定误差。假设模型所包括的变量Y，X2，X3都是理论上正确的变量，考虑如下两种模型设定： Yi=B1+B2X2i+B3X3i+ui (7-1) lnYi=A1+A2lnX2i+A3lnX3i+vi (7-12) 方程(7-1)和(7-1