《模型识别和残差检验.ppt》由会员分享，可在线阅读，更多相关《模型识别和残差检验.ppt（24页珍藏版）》请在三一办公上搜索。
1、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 var
2、iable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=X11+X2 2+忽略变量X2E(b1|X)=1+12 2Var(b1|X)=2(X1X1)-1Var(b12|X)=2(X1MX1)-1E(s2|X)2包括多余变量,假设变量X2是多余的E(b|X)=(1,0)E(s2|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：
3、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:yi=xi+IMB:yi=zi+vi包容性检验(encompassing)-两种检验方式BA(B包容A)yi=zi+x2iA+vi H0:A=0AB(A包容B)yi=xi+z2i B+I H0:B=0,模型识别,包容性检验2J检验A包容Byi=（1）xi+zi+uI H0:=0yi=xi*+zi OLS H0:=0例如：CAPM与APT例如：A:Ct=1+Yt2+Yt-13+t B:Ct=1+Yt 2+Ct-1 3+vt,模型识别,检验线性模型还是对数线性模型合适PE检验
4、首先分别用OLS法估计线性和对数线性模型，得到拟和值yi=xi+LIN()+uI H0:LIN=0log yi=(logxi)+LOG()+uI H0:LOG=0,函数形式检验,RESET:regression equation specification error tests)辅助auxiliary回归yi=xi+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,N1+N2-2K),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N1个数据，估计模型，得到残差
5、，记为e1（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et=yt-xtbt-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，EGLSY=X+E(|X)=0V(|X)=diag(i2)OLS估计的参数的方差协方差阵为V(b|X)=(XX)-1X diag(i2)X(XX)1,异方差,异方差一致估计量（white)检验异方差w
6、hite检验统计量NR22(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 NR22(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+1output+2 wage+3capital+,异方差,Breusch-pagan检验e2=-22719.51+132.92output+5673.13wage-87.84capitalR2=0.
7、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e2=1.324-0.774log(output)+0.359log(wage)+0.38log(capital)+0.138log2(output)+0.193log2(wage)+0.09 log2(capital)+0.138log(output)log(wage)-0.252log(wage)log(capital)-0.192log(output)log(capital)R2=0.1029N
8、 R2=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b2）计算残差log ei23)log ei2=-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Yt=xt+t,t=t-1+ut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,
