厦门大学计量经济学课件Chp7标准与检验.pptVIP

RESET检验的步骤： 1. 根据模型估计出Y值，即?i ； 2. 回到模型，把?i的高次幂，平方／立方等纳入模型以获取残差和 ?i 之间的系统关系； 3. 令从方程（7-23）得到的R2为R2new ，从方程（7-22）得到的R2old为，然后利用（式4-56）的F检验判别从方程（7-23）中增加的R2是否是统计显著的； 4. 如果在所选显著水平下计算的F值是统计显著的，则认为原始模型是错误设定的。 例：进口支出一例的说明 原始数据见表3-7 结果见P178，表7-4 结论：模型7-22是错误设定的，遗漏了趋势项及其平方 RESET检验 优点：简单易行，无需设定备择模型 缺点：知道了模型是错误设定的，但不能帮助我们选择正确模型。 故RESET检验主要用作诊断工具。 结 语 “建模既是一门艺术也是一门科学，仅靠经济计量学知识和计算机统计软件并不足以确保我们成功。” 本章小结 古典线性回归模型假定实证分析中所使用的模型是“正确设定的”； 正确模型的几条实践标准： 简约 可识别 拟合优度 理论一致性 预测能力 本章小结 模型正确设定的几种含义： 模型没有排除理论上的相关变量； 模型没有包括非相关变量； 模型的函数形式正确； 没有度量误差 由于模型中能被错误设定，传统的t检验和F检验的结果不可靠 相对而言，包括不相关变量比起遗漏相关变量的严重性要小一些； 几种诊断设定误差的工具： 残差的图形检验 MWD检验 RESET检验 作业 P180 7.11(a,b) P182 7.21 上机练习 第二部分 实践中的回归分析 Chp 7 标准与检验 主要内容 优良模型的性质 设定误差的类型 遗漏相关变量 包括不相关变量 不正确的函数形式 度量误差 设定误差的诊断 小结 一、优良模型的性质 简约性（Parsimony） 可识别性（Identifiability） 拟合优度（Goodness of fit） 理论一致性（Theoretical consistency） 预测能力（Predictive power） 二、设定误差的类型 导致模型失效的设定误差主要包括如下几种类型： 遗漏相关变量 包括不必要的变量 采用了错误的函数形式 度量误差 三、遗漏相关变量 ——“过低拟合”模型 考虑如下模型： Yi=B1+B2X2i+B3X3i+ui 其中，Y为婴儿死亡率，X2为人均GNP，X3为女性识字率 若在建模时遗漏了变量X3，则有： Yi=A1+A2X2i+vi 遗漏变量X3将导致的后果： 如果遗漏变量X3与模型中的变量X2相关，则a1和a2是有偏的，即：其均值或期望值与真实值不一致，用符号表示如下： E(a1)?B1,E(a2) ?B2 可以证明： E(a2) =B2+B3b32 E(a1)=B1+B3 (E(X3)-b32E(X2)) a1和a2也是不一致的，即无论样本容量有多大，偏差也不会消失 如果X2与X3不相关，则b32为零。 根据错误模型得到的误差方差是真实误差方差的有偏估计量； a2的方差是真实估计量b2方差的有偏估计量。 通常的置信区间和假设检验过程不再可靠。 例7-1 ：婴儿死亡率的决定因素 正确：CM=f(PGNP,FLR,u) 错误：CM=f(PGNP,u) 启示：在建立模型时，要对研究现象所蕴含的经济理论做深入了解，从而把相关变量都纳入模型。 四、包括不相关变量 ——“过度拟合”模型 模型包括不必要变量将导致的后果——不相关变量偏差 假定下列包含双变量的模型为正确： Yi=B1+B2X2i+ui 但建模时包括了不必要的变量X3，即： Yi=A1+A2X2i+A3X3i+vi 该模型的估计后果： “不正确”模型的OLS估计量是无偏的，即 E(a1)=B1, E(a2)=B2, E(a3)=0 方差?2的估计量是正确的 建立在t检验和F检验基础上的标准的置信区间和假设检验仍然是有效的。 错误的回归方程中估计的a是无效的——其方差比从真实模型中估计的b的方差大。 五、不正确的函数形式 Yt=B1+B2X2t+B3X3t+ut………………（1） B2度量了Y对X2的变化率 lnYt=A1+A2lnX2t+A3lnX3t+vt…………（2） A2度量了Y对X2的弹性，…… 实践中，经济理论没有明确应变量与解释变量之间的函数形式，假定对数形式是正确的，但人们很可能用（1）式来拟合数据，导致模型设定误差。 例：7-3 美国进口货物的支出（P170） 分别用上述两种模型对数据进行拟合，其中： 模型一的所有回归系数都显著，X的回归系数表明在其他条件不变的情况下，个人可支配收入每增加1美元，平均进口支出将增加30美分，…… 模型二的回归系数亦显著，其中，进口支出