模型设定误差课件
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
假若正确的模 IM型 PO 为 t R： 0T1PDt I2Tt ut
那么以下几种设 情定 况误 属差 于：
a.遗漏相关I变 M量 POt： R0T1PDt Iut b.包含无关I变 M量 POt： R0T1PDt I2Tt 3Tt2ut c.错误的函数 lnI形 MP 式Ot： R0T1lnPDt I2Tt ut
PPT学习交流
10
遗漏相关变量的影响
证明见古扎拉蒂（1995）或平狄克等（1998）
对 Y i 于 0 1 X 1 i2 X 2 i u i
如果模型设定为Y：i 0 1X1i vi。可以证明：
E(1) 1 2b21
E(0) 0 2(X2 b21X1)
E[var( 1
)]
var(1
)
22
o 根据设定好的模型进行OLS估计，对结果进行判断 a.残差图 b.R2和调整的R2 c.与预期相比，系数估计值的符号 d.回归系数的t值 e.德宾-沃森d统计量
PPT学习交流
12
a.残差图示法
PPT学习交流
13
• 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
也很难通过t 检验。
Var(j
)
2
TSSj
1
( 1
R2j
)；SE(j )
Var(j )
如果样本容量越小，则Xj的变异性就越小，
从而TSSj就越小，即Var(j )越大。
PPT学习交流
5
二、模型设定误差
1. 什么是设定误差 2. 设定误差的影响 3. 设定误差的诊断和处理 4. 测量误差
PPT学习交流
第三部分 实践中的回归分析
一、引言：放宽经典模型的假设 二、模型设定误差 三、多重共线性 四、异方差性 五、序列相关性
PPT学习交流
1
前面讨论了满足经济假设的回归模型，但是大多数 经济模型是很难严格满足这些经典假设的。这就极大地 限制了经典回归分析的应用范围。因此，我们有必要 研究在放宽这些经典假设的条件下，是否有可能得到回 归系数较好的估计值？如果有可能，其方法是什么？
o 关于误差项的假定
8对于给定的X，误差项方差相等
9对于给定的X，误差项之间不存在序列相关
10误PPT差学习项交流服从正态分布
3
放宽的假定
相应的问题
假定1、2 ຫໍສະໝຸດ Baidu型设定问题
假定3、4 随机解释变量
假定5
过度决定（微数缺测性）
假定6
多重共线性
假定7
误差项均值非零
假定8
异方差性
假定9
序列相关
假定10
误差项非正态分布
PPT学习交流
9
2.设定误差的影响
1)遗漏相关变量：回归系数的OLS估计量可能是有偏的、非 一致的；系数的方差估计也是有偏的
2)包含无关变量：回归系数的OLS估计量是无偏的，方差估 计也是无偏的，但不是最小方差，因而OLS估计量不是有 效的
3)错误的函数形式：回归系数的OLS估计量可能是有偏的
一般来说，遗漏相关变量的后果要严重一些，因为它 损失了无偏性。特别是当样本比较大时，包含不相关变 量带来的自由度减少不太严重，因而包含不相关变量的 影响要小一些。
假定3和4在联立 方程模型中讨论
对假定5我们做简 单讨论
假定7影响参数估 计的无偏性，暂不 讨论
假定10对于大样 本数据不是必需的 假定。
本讲主要考虑放 宽了其余假定后面 临的问题
PPT学习交流
4
微数缺测性
o 从理论上讲，样本容量n和解释变量数目k必须满足n>k+2， 才能进行OLS估计和假设检验。但事实上，即便n满足上述 条件，但如果样本很小，那么虽然能够进行估计和检验，
（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
PPT学习交流
14
• 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。
PPT学习交流
15
其他：
如果R2较低，或者系数估计值的符号与预期相反， 或者有很多t值不显著，或者d统计量偏小。就有可能是因 为遗漏了某个相关变量，或者采用了错误函数形式。
PPT学习交流
2
一、引言：放宽经典模型的假设
经典正态线性回归模型（CNLRM）的假定
o 关于模型的假定
1回归模型对参数而言是线性的 2模型是正确设定的
3解释变量X是确定性变量
o 关于解释变量的假定
4若X是随机的，则误差项与X不相关 5解释变量的取值有足够变异 6解释变量之间不存在完全的线性关系
7对于给定的X，误差项均值为0
6
1.什么是设定误差（specification error）
o 经典正态线性模型假定模型的设定是正确的，但一般情况 下建立的模型很可能是不正确的，这种情况称为设定误差。
好模型的标准
1、简约性（parsimony） 一定程度的抽象或简化是不可避免的，简单优于复杂。
2、可识别性（identifiability） 对于给定一组数据，每个参数只能有一个估计值。
PPT学习交流
7
3、拟和优度（goodness of fit）
回归分析的 基本思想是用模型中的解释变量来尽可能 的去解释被解释变量。校正后拟合优度越高，模型越好。
4、理论一致性（theoretical consistency） 无论模型的拟合优度有多高，若模型中存在一个和多个系数
的符号有误，就不能称为一个好模型。
(n 2)
(X2i X2)2 (X1i X1)2
其中b， 21是X2对X1进行回归后得到系的数斜。率
可见(1： )0和1可能是有偏的 (2)E[var1()]肯定高估 1的 了实际方差
还有：(3)0和1也是不一致 . 的
PPT学习交流
11
3.设定误差的诊断和处理
遗漏相关变量和采用错误的函数形式
特别是，d统计量偏小很可能不是因为序列相关，而 是因为遗漏了某个相关变量。因此，如果加入某些变量后 d统计量接近2，那么就应该把这些变量包含在模型中。
PPT学习交流
16
例题 美国居民对进口商品的消费支出与可支配收入的关系
模型一：IMPORTt 0 1PDIt ut
5、预测能力（predictive power） 弗里德曼说：对模型有效性的唯一检验就是将预测值
与经验值相比较。
PPT学习交流
8
常见设定误差的类型
（1）遗漏相关变量（2）包含无关变量 （3）采用错误函数形式 （4）度量误差
如：1968-1987年美国居民对进口商品的消费支出（IMPORT） 与可支配收入（PDI）的关系
那么以下几种设 情定 况误 属差 于：
a.遗漏相关I变 M量 POt： R0T1PDt Iut b.包含无关I变 M量 POt： R0T1PDt I2Tt 3Tt2ut c.错误的函数 lnI形 MP 式Ot： R0T1lnPDt I2Tt ut
PPT学习交流
10
遗漏相关变量的影响
证明见古扎拉蒂（1995）或平狄克等（1998）
对 Y i 于 0 1 X 1 i2 X 2 i u i
如果模型设定为Y：i 0 1X1i vi。可以证明：
E(1) 1 2b21
E(0) 0 2(X2 b21X1)
E[var( 1
)]
var(1
)
22
o 根据设定好的模型进行OLS估计，对结果进行判断 a.残差图 b.R2和调整的R2 c.与预期相比，系数估计值的符号 d.回归系数的t值 e.德宾-沃森d统计量
PPT学习交流
12
a.残差图示法
PPT学习交流
13
• 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
也很难通过t 检验。
Var(j
)
2
TSSj
1
( 1
R2j
)；SE(j )
Var(j )
如果样本容量越小，则Xj的变异性就越小，
从而TSSj就越小，即Var(j )越大。
PPT学习交流
5
二、模型设定误差
1. 什么是设定误差 2. 设定误差的影响 3. 设定误差的诊断和处理 4. 测量误差
PPT学习交流
第三部分 实践中的回归分析
一、引言：放宽经典模型的假设 二、模型设定误差 三、多重共线性 四、异方差性 五、序列相关性
PPT学习交流
1
前面讨论了满足经济假设的回归模型，但是大多数 经济模型是很难严格满足这些经典假设的。这就极大地 限制了经典回归分析的应用范围。因此，我们有必要 研究在放宽这些经典假设的条件下，是否有可能得到回 归系数较好的估计值？如果有可能，其方法是什么？
o 关于误差项的假定
8对于给定的X，误差项方差相等
9对于给定的X，误差项之间不存在序列相关
10误PPT差学习项交流服从正态分布
3
放宽的假定
相应的问题
假定1、2 ຫໍສະໝຸດ Baidu型设定问题
假定3、4 随机解释变量
假定5
过度决定（微数缺测性）
假定6
多重共线性
假定7
误差项均值非零
假定8
异方差性
假定9
序列相关
假定10
误差项非正态分布
PPT学习交流
9
2.设定误差的影响
1)遗漏相关变量：回归系数的OLS估计量可能是有偏的、非 一致的；系数的方差估计也是有偏的
2)包含无关变量：回归系数的OLS估计量是无偏的，方差估 计也是无偏的，但不是最小方差，因而OLS估计量不是有 效的
3)错误的函数形式：回归系数的OLS估计量可能是有偏的
一般来说，遗漏相关变量的后果要严重一些，因为它 损失了无偏性。特别是当样本比较大时，包含不相关变 量带来的自由度减少不太严重，因而包含不相关变量的 影响要小一些。
假定3和4在联立 方程模型中讨论
对假定5我们做简 单讨论
假定7影响参数估 计的无偏性，暂不 讨论
假定10对于大样 本数据不是必需的 假定。
本讲主要考虑放 宽了其余假定后面 临的问题
PPT学习交流
4
微数缺测性
o 从理论上讲，样本容量n和解释变量数目k必须满足n>k+2， 才能进行OLS估计和假设检验。但事实上，即便n满足上述 条件，但如果样本很小，那么虽然能够进行估计和检验，
（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
PPT学习交流
14
• 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。
PPT学习交流
15
其他：
如果R2较低，或者系数估计值的符号与预期相反， 或者有很多t值不显著，或者d统计量偏小。就有可能是因 为遗漏了某个相关变量，或者采用了错误函数形式。
PPT学习交流
2
一、引言：放宽经典模型的假设
经典正态线性回归模型（CNLRM）的假定
o 关于模型的假定
1回归模型对参数而言是线性的 2模型是正确设定的
3解释变量X是确定性变量
o 关于解释变量的假定
4若X是随机的，则误差项与X不相关 5解释变量的取值有足够变异 6解释变量之间不存在完全的线性关系
7对于给定的X，误差项均值为0
6
1.什么是设定误差（specification error）
o 经典正态线性模型假定模型的设定是正确的，但一般情况 下建立的模型很可能是不正确的，这种情况称为设定误差。
好模型的标准
1、简约性（parsimony） 一定程度的抽象或简化是不可避免的，简单优于复杂。
2、可识别性（identifiability） 对于给定一组数据，每个参数只能有一个估计值。
PPT学习交流
7
3、拟和优度（goodness of fit）
回归分析的 基本思想是用模型中的解释变量来尽可能 的去解释被解释变量。校正后拟合优度越高，模型越好。
4、理论一致性（theoretical consistency） 无论模型的拟合优度有多高，若模型中存在一个和多个系数
的符号有误，就不能称为一个好模型。
(n 2)
(X2i X2)2 (X1i X1)2
其中b， 21是X2对X1进行回归后得到系的数斜。率
可见(1： )0和1可能是有偏的 (2)E[var1()]肯定高估 1的 了实际方差
还有：(3)0和1也是不一致 . 的
PPT学习交流
11
3.设定误差的诊断和处理
遗漏相关变量和采用错误的函数形式
特别是，d统计量偏小很可能不是因为序列相关，而 是因为遗漏了某个相关变量。因此，如果加入某些变量后 d统计量接近2，那么就应该把这些变量包含在模型中。
PPT学习交流
16
例题 美国居民对进口商品的消费支出与可支配收入的关系
模型一：IMPORTt 0 1PDIt ut
5、预测能力（predictive power） 弗里德曼说：对模型有效性的唯一检验就是将预测值
与经验值相比较。
PPT学习交流
8
常见设定误差的类型
（1）遗漏相关变量（2）包含无关变量 （3）采用错误函数形式 （4）度量误差
如：1968-1987年美国居民对进口商品的消费支出（IMPORT） 与可支配收入（PDI）的关系