计量经济学PPT

1、第六章模型设定：解释变量的选择模型设定：解释变量的选择第8组：邓紫君、梁焯琪、罗丹彤、 骆娴、王晓芳精选课件模型设定与设定误差计量经济学方程的设定包括三个部分：1、选择正确的解释变量2、正确的函数形式3、正确的随机误差项以上三者中任何一部分不正确都会引起以上三者中任何一部分不正确都会引起设定误差设定误差精选课件遗漏变量及其后果遗漏变量遗漏变量：一个重要的解释变量被遗漏在回归方程之外。以下两种情况若出现，就会使解释变量被遗漏，会导致遗漏变量偏误：1.假设初定方程时没有考虑到某个相关解释变量2.假设考虑到某个变量却无法得到数据注意注意：只要存在遗漏变量，就会使得对估计出的方程的解释和使用不再可靠，

2、导致回归方程中其余变量的参数估计值有偏导致回归方程中其余变量的参数估计值有偏。精选课件假设真实的回归模型如下：此处 是古典误差项如果 X2 被遗漏，则回归方程变为：此处：因此，（6-2）方程中的解释变量并不是与误差项相独立的，除非遗漏的解释变量与所有被包含的解释变量都不相关（这几乎是不可能的），否则，如果遗漏了一个重要变量，就会违背古典假设。（6-1）（6-2） （6-3）精选课件如果方程6.1是真实的方程，而我们却估计了方程6.2，那么，什么情况将会发生？我们将会得到有偏的估计量亦即：(6.4)对一个两变量模型， Y=0+1X1+2X2+假设遗落解释变量X2有 E（1）=1+21 （6.5）

3、1是X2i=0+1X1i+ i的斜率，表示了X和X之间相关关系系数的函数，记为：f（r12）（6.5）式中右边的第二部分表示真实值的偏误精选课件偏误=21=omf（rin，om）om：遗漏变量in：已包含变量除非出现以下两种情况之一：1.遗漏变量的参数真实值等于零。2.已包含变量和遗漏变量不相关。否则，存在遗漏变量偏误。精选课件不相干变量遗漏变量和不相干变量对参数估计值的影响：对参数估计值的影响对参数估计值的影响遗漏变量遗漏变量不相干变量不相干变量偏误有偏无偏方差减小增大调整的判定系数2 -减小T统计量-减小精选课件模型设定的四个重要准则我们可以将上述讨论总结为四个标准，以帮助我们决定是否应将

4、一个解释变量包含进入方程：1.理论理论: 方程中的变量是否有明确的理论意义？2.t 检验检验: 变量的估计系数是否在预期方向上是显著的？3.调整的判断系数调整的判断系数2: 当变量加入模型后，调整的R2是否增加，或方程的整体拟合优度是否得到改善？4.偏度偏度: 当变量加入模型后，其它变量的回归系数是否显著的改变？如果满足上述四个条件，那么该变量应当包含进入模型中如果没有任何一个条件被满足，模型中不能包含该变量如果仅满足部分条件，那么就需要研究者做出决定精选课件误用模型设定准则的实例（P99）COFFEE=9.1+7.8Pbc+2.4Pt+0.0035Yd （15.6） （1.2） （0.001

5、0） t= 0.5 2.0 3.5 2=0.60 N=25Pbc的系数不显著且符号与预期相反，可能是巴西咖啡缺乏价格弹性（它的参数为0），去掉这个价格变量，回归可得：COFFEE=9.3+2.6Pt+0.0036Yd （1.0） （0.0009） t= 2.6 4.0 2=0.61 N=25假设：COFFEE:美国对巴西咖啡的需求量，Pbc：巴西咖啡的价格，Pt：茶叶的价格，Yd：可支配收入 由此可得：精选课件应用准则判断巴西咖啡价格是否应该保留应用准则判断巴西咖啡价格是否应该保留1.理论理论：因为巴西咖啡的需求对价格十分不敏感，故剔除该变量在理论上似乎是合理的2.t t检验检验：这个疑似不相

6、干变量的t统计量在任何水平上是不显著的3.调整的判断系数调整的判断系数：当该变量剔除后，调整的判断系数增加，意味着该变量是不相干变量4.偏误偏误：当该变量被剔除后，其余变量的参数只是稍有变化，意味着即使除去该变量会造成偏误，也是很小的偏误结论：巴西咖啡确实是缺乏价格弹性，其价格是不相干变量，应剔除实际上，由于在市场上存在其他地区的咖啡，很难相信巴西咖啡的需求不受自身价格的影响。精选课件巴西咖啡需求的敏感性与其他地区咖啡的价格有关，在模型中加入Pcc：哥伦比亚咖啡的价格COFFEE=10.0+8.0Pcc-5.6Pbc+2.6Pt+0.0030Yd （4.0） （2.0） （1.3） （0.0010） t= 2.0 -2.8 2.0 3.0 2=0.65 N=251.理论：两个价格都应该包含在模型中2.t检验：新变量的t统计量在大多数情况下都是显著的3.调整的判定系数：加入该变量后，调整的判定系数增加，说明该变量是一个遗漏变量4.偏误：尽管有两个参数值几乎保