包括假设检验区间估计.PPT

* 第九章 小 结 1. 计量经济学模型中的古典假设不是无条件的假设，而是有条件的假设。一是所设定的条件期望方程没有方程设定误差；二是所设定的回归模型没有模型设定误差。 2. 方程设定误差主要指： （1）真实变量的遗漏； （2）无关变量的引入； （3）解释变量、被解释变量中存在观测误差。 此外还有错误函数形式的误设和随机扰动项的非正确设定等。 * 3. 当模型中遗漏了真实的变量时，模型的参数估计是有偏且不一致；参数估计的方差估计不正确，随机扰动项方差的估计也是不正确的，将使得假设检验、区间估计失效。 4. 当模型包含无关变量，后果不如遗漏变量那么严重，模型的参数估计仍然是无偏且一致的，随机扰动项的方差将被正确估计，但所估计的方差将趋之于过大，从而使得参数估计的有效性降低，参数估计较为不准确，区间估计的精度下降。 * 5. 检验方程设定误差的常用方法有： （1）DW检验； （2）LM检验； （3）Husman检验； （4）RESET检验。 6. 测量误差分为被解释变量测量误差和解释变量测量误差。测量误差使参数的OLS估计有偏且不一致，常常低估真正的回归参数。 * 主要公式表 拉格朗日乘数检验 DW检验 均方误差与方差的关系 均方误差（简记作MSE） * 第 九 章 结 束 了！ * 3. 查Durbin-Watson表，若 显示存在正自相关，则拒绝原假设，受约束回归模型不成立，存在模型设定误差，否则接受原假设，受约束回归模型成立，模型无设定误差。 * 对下表的数据设定总生产成本函数，准备 使用如 下三个备选模型： 有（1）为真实模型，试用DW法检验模型设定误 差。 举例 * 总成本（ ） 产出（ ） 1 193 1 2 226 2 3 240 3 4 244 4 5 257 5 6 260 6 7 274 7 8 297 8 9 350 9 10 420 10 * 三个模型分别代入数据回归 (1) (2) * 本例中遗漏变量已按递增次序排列，此时的 值等于 值，无需重新计算d统计量。 (3) * 对上述模型的DW统计量的分析及查表情况如下： 1. 模型(1)： 有 =2.70，当 时 =0.525， =2.016，不能表明存在显著的正相关关系，接受H0，表示没有遗漏的变量。 2. 模型(2)：有 =1.038，当 时 =0.697， =1.641。显然有0.6971.0381.641，属于无法确定的区域。 采用修正的 DW 检验法进行检验即扩大拒绝区域，宁可判别残 差中存在正的自相关，认为也存在遗漏变量。 * 3. 模型(3) ： 有 =0.716，当 时， =0.879， =1.320 ，显然存在正的自相 关，拒绝 ，表明存在遗漏变量； * 二、拉格朗日乘数（LM）检验 基本思想： ●模型中遗漏的相关变量包含在随机扰动项中，因此随机扰动项或回归所得的残差序列应与遗漏的相关变量呈现出某种依存关系。 ●因此，可以进行残差序列关于相关变量的回归。在一定显著水平下，若相关变量对残差序列的影响具有统计显著性，则认为存在遗漏变量形成的设定偏误；若相关变量的影响不具有统计显著性，则认为没有遗漏变量形成的设定误差。 * 具体步骤 1. 对存在遗漏变量设定偏误的模型（受约束回归模型）进行回归，得残差序列 ； 2. 用残差序列 对全部的解释变量（包括遗漏变量）进行回归，得可决系数 ； 3. 设定 : 受约束回归模型 ：无约束回归模型。 在大样本情况下，构造检验统计量 ， 渐近地遵从 （约束个数） 4. 进行显著性检验的判断：若 (约束个数), 则拒绝 ，认为受约束模型不成立，存在遗漏变量；否则，接受 ，认为受约束模型成立，无遗漏变量。 三、一般性检验（RESET） 一般性检验（regression error specification test，RESET）是拉姆齐(Ramsey)于1969年提出的一种检验方法。 基本思想：如果事先知道遗漏