实验八 模型设定偏误问题

实验八 模型设定偏误问题

姓名：何健华 学号：201330110203 班级：13金融数学2班 一 实验目的：

掌握模型设定偏误问题的估计与应用，熟悉 EViews 的基本操作。

二 实验要求：

应用教材 P183 例子 5.3.1 的案例，利用RESET 检验检验模型设定偏误问题；应用教材 P185 例子 5.3.2 的案例，利用Box-Cox 变换比较线性模型与双对数线性模型的优劣。

三 实验原理：

普通最小二乘法、阿尔蒙法、格兰杰因果关系检验、DW 检验。

四 预备知识：

普通最小二乘法，F 检验，Box -Cox 变换。

五 实验步骤

一、下表列出了中国某年按行业分的全部制造业国有企业及规模以上制造业非

确设定的模型，将如何检验哪一个模型设定更正确？ i i i i L K Y μβββ+++=210

1.建立工作工作文件并录入数据，得到图1.1

图1.1

2.采用RESET 检验来检验模型的设定偏误 2.1对于原幂函数形式的模型，变换成双对数模型 0lnY alnK lnL ββμ=+++

采用OLS 进行估计，估计结果如图1.2。

图1.2

在图1.2窗口选择“Views\Stability Test\Ramsey RESET Test...”，在出现的RESET Specification窗口的Number of fitted terms 栏内输入“1”，点击“OK”，得到检验结果如图1.3所示。

图1.3

由F统计量的伴随概率知，在5%的显著性水平下，不拒绝原模型没有设定偏误的假设。

2.2采用OLS对线性模型进行估计，估计结果如图1.4。

图1.4

同样地，选择“Views\Stability Test\Ramsey RESET Test”，在新出现的对话框中输入“1”，得如图1.5所示的RESET检验结果。

图1.5

首先，尽管K与L的参数估计值的t统计量在5%的显著性水平下都是显著的，但拟合优度比原幂函数的模型低。

由F统计量的伴随概率知，在5%的显著性水平下，拒绝原模型没有设定偏误的假设。

可见，相比较而言，线性模型确有设定偏误，而原幂函数模型没有设定偏误问题。

二、通过Box-Cox变换检验中国居民总量消费函数的建立中，原线性模型

β+

β

μ

Y

=X

+

与双对数线性模型哪一个最优？

1

表2.6.3 中国居民总量消费支出与收入资料

单位：亿元年份GDP CONS CPI TAX GDPC X Y 19783605.6 1759.1 46.21519.28 7802.5 6678.83806.7 19794092.6 2011.5 47.07537.828694.2 7551.64273.2 19804592.9 2331.2 50.62571.70 9073.7 7944.24605.5 19815008.8 2627.9 51.90629.899651.8 8438.05063.9 19825590.0 2902.9 52.95700.02 10557.3 9235.25482.4 19836216.2 3231.1 54.00775.5911510.8 10074.65983.2 19847362.7 3742.0 55.47947.35 13272.8 11565.06745.7 19859076.7 4687.4 60.652040.79 14966.8 11601.77729.2 198610508.5 5302.1 64.572090.37 16273.7 13036.58210.9 198712277.4 6126.1 69.302140.36 17716.3 14627.78840.0 198815388.6 7868.1 82.302390.47 18698.7 15794.09560.5 198917311.3 8812.6 97.002727.40 17847.4 15035.59085.5 199019347.8 9450.9 100.002821.86 19347.8 16525.99450.9 199122577.4 10730.6 103.422990.17 21830.9 18939.610375.8 199227565.2 13000.1 110.033296.91 25053.0 22056.511815.3 199336938.1 16412.1 126.204255.30 29269.1 25897.313004.7 199450217.4 21844.2 156.655126.88 32056.2 28783.413944.2 199563216.9 28369.7 183.416038.04 34467.5 31175.415467.9 199674163.6 33955.9 198.666909.82 37331.9 33853.717092.5 199781658.5 36921.5 204.218234.04 39988.5 35956.218080.6 199886531.6 39229.3 202.599262.80 42713.1 38140.919364.1 199991125.0 41920.4 199.7210682.58 45625.8 40277.020989.3 200098749.0 45854.6 200.5512581.51 49238.0 42964.622863.9 2001108972.4 49213.2 201.9415301.38 53962.5 46385.424370.1 2002120350.3 52571.3 200.3217636.45 60078.0 51274.026243.2 2003136398.8 56834.4 202.7320017.31 67282.2 57408.128035.0 2004160280.4 63833.5 210.6324165.68 76096.3 64623.130306.2 2005188692.1 71217.5 214.4228778.54 88002.1 74580.433214.4 2006221170.5 80120.5 217.6534809.72 101616.3 85623.136811.2