计量经济学导论：现代观点（第七版）课件：模型设定

计量经济学

Econometrics

模型设定和数据问题提要一、函数形式误设二、对无法观测解释变量用代理变量三、随机斜率模型四、有测量误差时OLS的性质五、

数据缺失、非随机样本级异常观测回顾第８章讨论了高斯-马尔科夫假定不成立的一种情况。虽然误差的异方差性可被看成是一种模型误设，但它只是相对次要的一种。异方差性的出现并不会导致OLS估量的偏误或不一致性。而且，通过调整置信区间、t统计量和F统计量，我们很容易地在OLS估计之后做出正确的推断；甚至通过使用加权最小二乘法，还能得到更加有效的估计量。本章要讨论内容如下一、函数形式误设1、定义：当设定的多元回归模型没有正确地解释因变量和所观测解释变量之间的关系，它就存在函数形式误设的问题。一、函数形式误设2、出现函数形式误设的两种情况：一种是遗漏重要的自变量；另一种是包括了多余的无关自变量。因此，一、函数形式误设

3、怎样检验函数形式误设考察下面例子一、函数形式误设例9.1-续一、函数形式误设例9.1-续一、函数形式误设例9.1-续一、函数形式误设在许多情形下，使用某些变量的对数形和添加二次项，就足以发现经济学中许多重要的非线性关系。由于因变量的性质，例9.1是一个棘手的函数形式问题。还有一些其他模型，在理论上更适合于处理只取几个整数值的因变量。思考题一、函数形式误设（1）对函数形式误设问题的一般检验：RESET一、函数形式误设（1）一般检验-续一、函数形式误设（1）一般检验-续例9.2住房价格方程一、函数形式误设（1）一般检验-续例9.2住房价格方程解释和说明（2）对非嵌套模型的检验（non-nestyedalternatives）定义：非嵌套模型（non-nestyedmodel）

一、函数形式误设一、函数形式误设（2）对非嵌套模型的检验-续一、函数形式误设（2）对非嵌套模型的检验-续一、函数形式误设（2）对非嵌套模型的检验-续二、对无法观测解释变量用代理变量1、问题

二、对无法观测解释变量用代理变量2、怎样解决呢？二、对无法观测解释变量用代理变量做出必要的假设之一二、对无法观测解释变量用代理变量做出必要的假设之二二、对无法观测解释变量用代理变量做出必要的假设之二-续

二、对无法观测解释变量用代理变量例9.3IQ作为能力的代理变量二、对无法观测解释变量用代理变量例9.3IQ作为能力的代理变量-续二、对无法观测解释变量用代理变量例9.3IQ作为能力的代理变量-续二、对无法观测解释变量用代理变量例9.3IQ作为能力的代理变量-续二、对无法观测解释变量用代理变量注意二、对无法观测解释变量用代理变量3、用滞后因变量作为代理变量二、对无法观测解释变量用代理变量3、用滞后因变量作为代理变量-续考虑下面的例子二、对无法观测解释变量用代理变量3、用滞后因变量作为代理变量-续例9.4城市犯罪率二、对无法观测解释变量用代理变量例9.4城市犯罪率-续三、随机斜率模型

目前为止对回归讨论中，一直都假定总体中的个人具有相同的斜率系数，或斜率即便不同，也只是在一些可以度量的特征上有所差别，在这种情况下，我们就使用包含交互项的回归模型。三、随机斜率模型如何求解随机系数模型三、随机斜率模型如何求解随机系数模型-续三、随机斜率模型如何求解随机系数模型-续四、有测量误差时OLS的性质当我们在回归模型中使用经济变量不精确的度量时，我们的模型就包含了测量误差。本节推导测量误差对通最小二乘估计所造成的后果。虽然OLS在一些特定的假定之下是无偏的，但在其他情况下又是有偏误的。在某些偏误的情形下，我们能推导出渐近偏误的大小。四、有测量误差时OLS的性质1、因变量测量误差考察下面的模型四、有测量误差时OLS的性质1、因变量测量误差-续四、有测量误差时OLS的性质1、因变量测量误差-续例9.5有测量误差的储蓄方程四、有测量误差时OLS的性质2、解释变量测量误差传统上认为，某个解释变量中存在测量误差的问题，比因变量中的测量误差严重得多。本小节将看到为什么会是这样。四、有测量误差时OLS的性质2、解释变量测量误差-续四、有测量误差时OLS的性质2、解释变量测量误差-续四、有测量误差时OLS的性质2、解释变量测量误差-续四、有测量误差时OLS的性质2、解释变量测量误差-续四、有测量误差时OLS的性质2、解释变量测量误差-续四、有测量误差时OLS的性质2、解释变量测量误差-续例9.7存在测量误差的GPA方程四、有测量误差时OLS的性质2、解释变量测量误差-续五、

数据缺失、非随机样本级异常观测上节讨论的测量误差问题也可被看成数据问题：我们不能得到所关注变量的数据。在经典的变量误差模型中，合成误差项与被误测的自变量相关，因而违背了高斯-马尔科夫假定。五、

数据缺失、非随机样本级异常观测1、数据缺失五、

数据缺失、非随机样本级异常观测1、数据缺失-续1、数据缺失-续五、

数据缺失、非随机样本级异常观测2、非随机样本外生样本选择的问题五、

数据缺失、非随机样本级异常观测五、

数据缺失、非随机样本级异常观测2、非随机样本-续五、

数据缺失、非随机样本级异常观测2、非随机样本-续内生样本选择问题2、非随机样本-续五、

数据缺失、非随机样本级异常观测2、非随机样本-续五、

数据缺失、非随机样本级异常观测3、异常观测在某些应用研究中，特别是在数据集较小时OLS估计值会受到一个或几个观测的影响。如果将一个观测从回归分析中去掉，会使得OLS估计值发生“很大”的实际变化，那它就是异常数据。异常数据的概念也有些模糊，因为它要求将一次观测的变量值与样本中其余观测的变量值进行比较。不过，我们还是要小心提防“异常”测，因为它们可能对OLS估计值有很大的影响。五、

数据缺失、非随机样本级异常观测3、异常观测例9.8