第四讲 模型识别和残差检验.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,高级计量经济学,4,模型识别和残差检验,要点,模型识别,模型解释变量的选择,模型函数形式,参数是否平稳,异方差,自相关,模型评价,经济标准：参数符号和大小,统计标准：,t,检验，,F,检验,计量标准：,模型识别,模型解释变量的选择,模型函数形式,参数是否平稳,异方差,自相关,模型识别,忽略相关变量,omission,估计出的参数是有偏的如果忽略掉的解释变量与模型中的解释变量正交，则斜率无偏，如果忽略掉的解释变量均值为,0,，那么常数项无偏,估计出的参数方差减小如果忽略掉的解释变量与模型中解释变量正交，则方差不变,对扰动项的方差,2,的估计是有偏的，并且大于真实值不管忽略掉的解释变量是否与模型中解释变量正交,包括多余变量,irrelevant variable,参数和扰动项方差的估计无偏,参数方差协方差阵增加,模型识别,真实模型,Y=X,1,1,+X,2,2,+,忽略变量,X,2,E(b,1,|X)=,1,+,12,2,Var,(b,1,|X)=,2,(X,1,X,1,),-1,Var(b,12,|X)=,2,(X,1,MX,1,),-1,E(s,2,|X),2,包括多余变量,假设变量,X,2,是多余的,E(b|X)=(,1,0),E(s,2,|X)=,2,模型识别如何选择解释变量,根据经济理论选择解释变量，,例如工资的决定：人力资源理论，影响生产效率的因素会影响工资；工作特征，蓝领还是白领；一般工作环境，行业失业率等,数据挖掘,data mining(snooping),由简单到一般,由一般到特殊,根据,t,检验不那同时去掉两个检验不显著的变量,根据指标：调整后的拟合优度，,AIC,BIC,检验是否忽略掉重要解释变量,RESET,检验,模型识别,非嵌套模型,(non-nested),MA:y,i,=,x,i,+,I,MB:y,i,=,z,i,+v,i,包容性检验,(encompassing)-,两种检验方式,B,A(B,包容,A),y,i,=,z,i,+,x,2i,A,+v,i,H,0,:,A,=0,A,B(A,包容,B),y,i,=x,i,+,z,2i,B,+,I,H,0,:,B,=0,模型识别,包容性检验,2,J,检验,A,包容,B,y,i,=,（,1,）,x,i,+,z,i,+,u,I,H,0,:,=0,y,i,=x,i,*+,z,i,OLS,H,0,:,=0,例如：,CAPM,与,APT,例如：,A:C,t,=,1,+,Y,t,2,+,Y,t-1,3,+,t,B:,C,t,=,1,+,Y,t,2,+,C,t-1,3,+v,t,模型识别,检验线性模型还是对数线性模型合适,PE,检验,首先分别用,OLS,法估计线性和对数线性模型，得到拟和值,y,i,=x,i,+,LIN,(),+,u,I,H,0,:,LIN,=0,log,y,i,=(,logx,i,),+,LOG,(),+,u,I,H,0,:,LOG,=0,函数形式检验,RESET:regression equation specification error tests),辅助,auxiliary,回归,y,i,=x,i,+,H0:,2,=,Q,=0,参数平稳性检验,CHOW,断点检验,R,=q,检验统计量是,F,检验,F(K,N,1,+N,2,-2K),参数平稳性检验,如果观测值个数不够,（,1,）估计约束模型，即使用所有数据假设参数在整个样本区间上是常数，得到残差，记为,e,（,2,）,估计无约束模型，使用前面的,N,1,个数据，估计模型，得到残差，记为,e,1,（,3,）,统计量,参数平稳性检验,时间序列模型,断点不明显，或缓慢变化,使用递归残差,CUSUM,检验,递归估计,递归残差或一步预测误差,e,t,=y,t,-x,t,b,t-1,该残差的方差,标准化后的递归残差,参数平稳性检验,CUSUM,检验,CUSUM Q,检验,异方差,异方差导致：无效，但是无偏和一致性仍然满足,对策,1,：修改模型,对策,2,：使用计算正确的标准差异方差一致的标准差,对策,3,：改变估计方法，使用,GMM,法,极大似然估计，,EGLS,Y=X,+,E(|X)=0,V(|X)=diag(,i,2,),OLS,估计的参数的方差协方差阵为,V(b|X)=(XX),-1,X diag(,i,2,)X(XX),1,异方差,异方差一致估计量（,white),检验异方差,white,检验,统计量,NR,2,2,(,解释变量个数不包括常数项）,异方差,Breusch,-pagan,检验,LM,检验,检验过程,零假设：,1,2,=,J,=0,检验统计量,NR,2,2,(J),异方差,例题：劳动力需求模型,生产函数,Q=f(K,L),总投入是,rk+wL,，,r,是机会成本，,w,是工资率（总工资,/,总工人数）,给定,r,，,w,和产出,Q,时，对劳动力的需求是,L=g(Q,r,w),因为机会成本很难得到，所以用资本存量,K,代替,模型,1,为,Labour,=c+,1,output+,2,wage+,3,capital+,异方差,Breusch,-pagan,检验,e,2,=-22719.51+132.92output+5673.13wage-87.84capital,R,2,=0.5818,N=569,统计量,331,2,(3),决绝零假设,模型,2,：对数线性模型,log(L)=c+,1,log(,output)+,2,log(,wage)+,3,log(,capital)+,异方差,White,检验,e,2,=1.324-0.774log(output)+0.359log(wage)+0.38log(capital)+0.138log,2,(output)+0.193log,2,(wage)+0.09 log,2,(capital)+0.138log(output)log(wage)-0.252log(wage)log(capital)-0.192log(output)log(capital),R,2,=0.1029,N R,2,=58.6,2,(9),拒绝零假设,异方差,计算异方差一致的标准差,使用,EGLS,法估计,1,）使用,OLS,法估计模型，得到参数的估计量,b,2,）,计算残差,log e,i,2,3),log e,i,2,=-3.214+0.267log(output)-0.061log(wage)-0.331log(capital),4),异方差,变换,5,）,6,）,自,相关,导致自相关出现的原因,动态识别错误,忽略相关解释变量,函数形式错误,例如,Y,t,=,x,t,+,t,t,=,t-1,+,u,t,冰激凌消费模型，解释变量收入，价格，温度，模型存在自相关，但是如果增加前一期的温度，模型自相关消失,y=0.5logt+,把模型错误的设定为,y=c+at+u,自相关,HAC,或,Newey,-West,标准差,