计量经济学精品课件：5 专门问题.pptVIP

对于同阶单整的非平稳序列： 理论上讲不能直接采用。 经过差分以后采用，经济意义发生变化。 模拟试验表明，当2个序列逐渐由平稳过程向非平稳过程过渡时，检验存在因果关系的概率出现一定程度的上升。但上升幅度远小于2个序列之间因果关系的显著性增强时所引起的上升幅度。 同阶单整非平稳序列的Granger因果检验结果具有一定的可靠性。 Granger因果检验是必要条件，不是充分条件。 数据 检验结果 统计检验必须建立在经济关系分析的基础之上，结论才有意义。 §5.3 模型设定偏误问题 Model Specification Error(Bias) 一、模型设定偏误的类型 二、模型设定偏误的后果 三、模型设定偏误的检验 一、模型设定偏误的类型 Types of Specification errors(bias) Omission of a relevant variable(s) Inclusion of an unnecessary variable(s) Adopting the wrong functional form Errors of measurement Incorrect specification of the stochastic error term To distinguish between model specification errors and model mis-specification errors 1、相关变量的遗漏（omitting relevant variables） 例如，如果“正确”的模型为 而我们将模型设定为 即设定模型时漏掉了一个相关的解释变量。 这类错误称为遗漏相关变量。 2、无关变量的误选 (including irrevelant variables) 例如，如果“真”的模型为 Y=?0+?1X1+?2X2+? 但我们将模型设定为 Y=?0+ ?1X1+ ?2X2+ ?3X3 +? 即设定模型时，多选了一个无关解释变量。 3、错误的函数形式 (wrong functional form) 例如，如果“真实”的回归函数为 但却将模型设定为 二、模型设定偏误的后果 1、遗漏相关变量偏误（omitting relevant variable bias） 如果X2与X1相关， ?1的估计量在小样本下有偏，在大样本下非一致。 如果X2与X1不相关，则?1的估计量满足无偏性与一致性；但这时?0的估计却是有偏的。 随机扰动项的方差估计也是有偏的。 ?1估计量的方差是有偏的。 2、包含无关变量偏误（including irrelevant variable bias） 对包含无关变量的模型进行估计，参数估计量是无偏的，但不具有最小方差性。 3、错误函数形式偏误（wrong functional form bias） 产生的偏误是全方位的。 三、模型设定偏误的检验 1、检验是否含有无关变量 检验的基本思想:如果模型中误选了无关变量，则其系数的真值应为零。因此，只须对无关变量系数的显著性进行检验。 t检验：检验某1个变量是否应包括在模型中； F检验：检验若干个变量是否应同时包括在模型中。 2、检验是否有相关变量的遗漏或函数形式设定偏误 残差图示法 残差序列变化图 （a）趋势变化 ：模型设定时可能遗漏了一随着时间的推移而持续上升的变量 （b）循环变化：模型设定时可能遗漏了一随着时间的推移而呈现循环变化的变量 模型函数形式设定偏误时残差序列呈现正负交替变化 图示：一元回归模型中，真实模型呈幂函数形式，但却选取了线性函数进行回归。 一般性设定偏误检验 拉姆齐(Ramsey)于1969年提出的RESET 检验（regression error specification test）。 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。 RESET 检验步骤 估计原模型，得到残差和被解释变量的估计量； 根据它们的图形判断应该引入?的若干次幂； 对增加变量的模型进行估计，并进行F检验或者t检验来判断是否增加这些“替代”变量。 RESET检验也可用来检验函数形式设定偏误的问题。 将非线性模型设定为线性可以近似认为遗漏了解释变量的2次、3次项； 引入模型，再进行检验。 RESET 检验例题 根据1978~2006年间中国当年价GDP（X）与居民消费(Y)之间的因果关系