计量经济学-9.ppt

第九章，详细研究模型设置和数据问题，引言第八章我们讨论与经典假设相反的第一个问题，即异方差，本章讨论更多与经典假设相反的问题，这些问题对OLS估计的影响，研究解决方案，具体来说，研究模型的误设置问题(变量泄漏，函数形式的误设置等) 一些重要变量进入无法观测的随机误差项，解释被解释为变量的变量测量误差问题、数据缺失和非随机抽样问题。 这些问题都是对MLR.1MLR.3的违反，我们在这些问题的函数形式的误设定不被观测到的解释变量中使用代理变量有测量误差时，OLS的性质数据缺失，非随机样本和异常观测，一是函数形式的误设定， 如果多回归模型不正确描述原因变量与观测到的解释变量之间的关系，则存在函数形式的误设定问题，另一方面，使用无法观测的解释变量：代理变量，虽然无法观测到一些重要的变量，但是回归非常必要，如果将其加入误差项，则其他参数的估计中可能存在偏差或不一致找到并回归可以间接测量该变量的代理变量，确保参数回归不偏离其它变量，将滞后变量设置为代理变量，并且在实际的研究中，关于一个或多个解释变量，已知参数的估计方面有偏离，包括在随机误差项中的某些未观测的变量如何选择合适的代理变量有时无法着手，通过将过去的要因变量(或滞后变量)作为代理变量，在很多应用中能够得到良好的效果，三是在存在测量误差的情况下OLS的性质，在不能高精度地测量回归模型的经济变量的情况下可能存在测量误差的问题例如，虽然我们调查的收入和支出数据已被报告，但是即使任何人都不知道自己的真正收入和支出，也可能隐藏测量误差与无法观测到的变量问题类似，但其差异是显而易见的：第一，在无法观测到的变量情况下，对其进行准确的测量只能找到相关的代理变量的测量误差时，变量具有定量的意义，但是我们测量的记录中可能包含误差，在测量误差的问题上，错误测量的参数是关注的代理变量时，缺失变量的偏差效应本身很少成为关注的中心我们对其他参数的影响，四是缺少数据，非随机样本和异常观测，一个观测缺少变量和参数数据的情况下，该观测不能用于回归分析。 实际上，STATA直接排除缺少数据的观测结果：如果减少样本容量的数据缺少是随机的，则可以回归；如果未导致偏差的缺少数据不是随机的，则可能会缺少错误的2 .非随机样本的数据举例来说，对于婴儿出生体重的数据，如果教育等级低于平均值的人缺少数据的概率较高，则在包含IQ值的工资数据集合中，可能引起非随机样本的问题的另一实例是删除一些样本中具有较高IQ值的人，且如果IQ值较高的人获得IQ值或可能导致非随机样本的问题此样本可能不表示整个样本(在IQ值为低的人的情况下未反映出)，且在不是随机样本的情况下可招致OLS估计的偏差，但可能不太影响ols (1)基于参数的样本选择或不招致偏差(2)基于因素变量样本选择或内生样本选择产生偏差，当基于因素变量的值是高于还是低于一定值来选择样本时，OLS在估计整体模型时产生偏差，(3)异常观测，OLS受到一些观测值的影响所谓异常数据存在，简单地说，如果从回归分析中排除一个观测，则OLS的推定值大，实际上变化，该观测对异常观测数据OLS敏感的原因在于，OLS最小化的残差平方和：残差越大，权重越大， 对OLS参数估计的影响也变大的异常观测可能起因于数据输入的错误，这不是计量经济学方法能够解决的问题，在以小的整体进行采样时， 当异常观测问题的异常观测在整体中的一个或一些因素的重要性方面与其它因素有很大不同时，由于异常观测问题的异常观测可能导致参数估计的偏差，且可能提供用于解释变量变异的重要信息，因此确定异常观测的残留是一个复杂问题，其中一个或一些数据点明显得出结论如果能够直观地判断潜在的异常观测值，