(优选)经典单方程计量经济学模型
合集下载
- 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)。
X2 0.01
1.00 -0.45 -0.04 0.18
X3 0.64 -0.45 1.00 0.69 0.36
X4 0.96 -0.04 0.69 1.00 0.45
X5 0.55
0.18 0.36 0.45 1.00
❖ 发现: X1与X4间存在高度相关性。
❖ (2)方差膨胀因子检验。
❖ 先建立每个解释变量对其余解释变量的辅助 回归模型。EVIEWS可以调用已建方程的回 归系数。
(-0.91) (8.39) (3.32) (-2.81) (-1.45) (-0.14)
R2接近于1; 给定=5%,得F临界值 F0.05(5,12)=3.11
F=638.4 > 15.19, 故认上述粮食生产的总体线性关系显著成立。
但X4 、X5 的参数未通过t检验,且符号不正确, 故解释变量间可能存在多重共线性。
❖ 调用的格式是:equation_name.@contents, 其中前面是已建方程的名称,contents包括 已建方程中的系数和统计量,常用的有 coef(n), 表示系数向量矩阵的第n个元素,R2 是拟合优度等。这样调用可以重新输入带来 的一些不必要的麻烦。
❖ 计算X1的VIF值。首先建立一个方程,不妨 命名为eqx1。它是以x1为因变量,其余变量
❖ 差分法。将原模型变形,在建模过程中在方程定义 栏中输入 y-y(-1) x1-x1(-1) … xp-xp(-1) . 差分常常 会丢失一些信息,使用时应慎重。
❖ 增加样本容量。 ❖ 利用先验信息改变参数的约束形式 ❖ 变换模型的形式 ❖ 逐步回归法 ❖ 主成分回归
案例——中国粮食生产函数
根据理论和经验分析,影响粮食生产(Y)的 主要因素有:
第二节 多重共线性的诊断与对策
❖ 一般地,如果模型的F很大, F检验通过,但 有些系数不能通过t检验,或模型的自变量之 间简单相关系数很高,或回归系数的符号与 简单相关系数的符号相反,都有理由怀疑存 在多重共线性。
❖ 另外,方差扩大因子法也是诊断多重共线性 的常用手段。
❖
其中
R
2 j
是把xj作为因变量,其余p-1个自变量
Yˆ 31919 .0 0.380 X 4
(17.45) (6.68) R2=0.7527 F=48.7 DW=1.11
Yˆ 28259.19 2.240X5
3、找出最简单的回归形式
分别作Y与X1,X2,X4,X5间的回归:
Yˆ 30867 .64 4.576 X1
(25.58) (11.49)
R2=0.8919 F=132.1 DW=1.56
Yˆ 33821 .18 0.699 X 2
(-0.49) (1.14) R2=0.075 F=1.30 DW=0.12
农业化肥施用量(X1);粮食播种面积(X2)
成灾面积(X3);
农业机械总动力(X4);
农业劳动力(X5)
已知中国粮食生产的相关数据(case12),建立 中国粮食生产函数:
Y=0+1 X1 +2 X2 +3 X3 +4 X4 +4 X5 +
1、用OLS法估计上述模型:
Yˆ 12816.44 6.213X1 0.421X 2 0.166X3 0.098X 4 0.028X5
(优选)经典单方程计量经济 学模型
第一节 误设定
❖ 模型设定误差的类型一般有: ❖ 遗漏了重要的解释变量; ❖ 模型包含无关的解释变量; ❖ 采用了不正确的函数形式。
模型设定误差的检验
❖ (1) 模型是否包含无关解释变量的检验 ❖ 对模型中是否包含无关解释变量的检验,就
是对模型解释变量的参数是否为0的检验 ❖ (2)模型遗漏重要解释变量和采用错误函数
为自变量建立的方程,然后在主窗口命令行 输入 scalar vifx1=1/(1-eqx1.@R2), 该命令 的意思是建立一个取值为上式的标量vifx1, 其中R2是R2.执行后主窗口的左下角状态栏上 会出现:“vifx1 successfully created”的字样, 同时工作表中产生一个叫做vifx1的新变量。 可以查看其值,大于10,就是存在多重共线 性。
Hale Waihona Puke Baidu
2、检验简单相关系数
❖ (1)相关系数检验。在命令窗口输入: COR X1 X2 X3 X4 X5,或者在变量组窗口, 点击VIEW-CORRELATION
2、检验简单相关系数
列出X1,X2,X3,X4,X5的相关系数矩阵:
X1
X2
X3
X4
X5
X1 1.00
0.01 0.64 0.96 0.55
❖ 一般情况下并不需要对共线性进行特别的检 验,但如果回归方程的可决系数很高,或F值 很大,而系数的标准差较大(t值很小),则 说明解释变量间存在较严重的多重共线性。
❖ 当自变量出现共线性时,应设法消除其影响,一方 面从收集数据,增大样本容量考虑,一方面改变模 型形式。
❖ 常用的方法有:
❖ 剔除法。设法找到引起共线性的变量并给予剔除。 这涉及到剔除的准则问题,通常可选择VIF值最大 或未通过系数显著性检验的变量进行剔除,剔除时 最好结合testdrop检验,检验剔除自变量是否对模 型不利。
形式的检验 ❖ 1)残差图示法检验 ❖ 2)一般性设定偏误检验:拉姆齐(Ramsey)
的RESET检验
❖ 拉姆齐的RESET检验的EViews实现:
❖ 选择Equation工具栏中的View\Stability Test\Ramsey RESET Test功能。
例7
❖ 本实验采用的数据是美国25家主要金属行业 的产出Y、资本投入K以及劳动投入L。 (table3-2.wf1)。有人认为估计模型为 LnY=LnA+aLnK+bLnL,利用Ramsey RESET检验来判断模型是否存在模型设定误 差。检验的原假设是:模型不存在设定误差。
作为自变量建立多元线性回归模型所得的决
定系数,也即xj与其余p-1个自变量间的复相 关系数。
❖ 当存在某变量的VIF,大于10时就可认为自变 量间有比较严重的共线性。还可以用所有p个 自变量所对应的方差扩大因子的平均数,如 远大于10时,表示自变量间存在严重的共线 性。
❖ EViews不能直接计算自变量的方差扩大因子, 需根据前述公式计算得到