4.4 模型设定偏误问题.pptVIP免费

§4.4模型设定偏误问题ModelSpecificationError(Bias)一、模型设定偏误的类型二、模型设定偏误的后果三、模型设定偏误的检验一、模型设定偏误的类型TypesofSpecificationerrors(bias)•Omissionofarelevantvariable(s)•Inclusionofanunnecessaryvariable(s)•Adoptingthewrongfunctionalform•Errorsofmeasurement•Incorrectspecificationofthestochasticerrorterm1、相关变量的遗漏（omittingrelevantvariables）•例如，如果“正确”的模型为22110XXY而我们将模型设定为vXY110即设定模型时漏掉了一个相关的解释变量。这类错误称为遗漏相关变量。2、无关变量的误选(includingirrevelantvariables)•例如，如果“真”的模型为Y=0+1X1+2X2+但我们将模型设定为Y=0+1X1+2X2+3X3+即设定模型时，多选了一个无关解释变量。3、错误的函数形式(wrongfunctionalform)•例如，如果“真实”的回归函数为eXAXY2121但却将模型设定为vXXY22110二、模型设定偏误的后果1、遗漏相关变量偏误（omittingrelevantvariablebias）22110XXYvXY1102111ˆiiixyxiiiixxy221121121212121221112111)()(ˆiiiiiiiiiiiiiixxxxxxxxxxyx•如果X2与X1相关，1的估计量在小样本下有偏，在大样本下非一致。•如果X2与X1不相关，则1的估计量满足无偏性与一致性；但这时0的估计却是有偏的。•随机扰动项的方差估计也是有偏的。1估计量的方差是有偏的。2112121211)(ˆiiiiiixxxxx2121)ˆ(ixVar)1()ˆ(2212121xxirxVar2、包含无关变量偏误（includingirrelevantvariablebias）•对包含无关变量的模型进行估计，参数估计量是无偏的，但不具有最小方差性。vXY11022110XXY2121)ˆ(ixVar)1()ˆ(2212121xxirxVar3、错误函数形式偏误（wrongfunctionalformbias）•产生的偏误是全方位的。三、模型设定偏误的检验1、检验是否含有无关变量•检验的基本思想:如果模型中误选了无关变量，则其系数的真值应为零。因此，只须对无关变量系数的显著性进行检验。•t检验：检验某1个变量是否应包括在模型中；•F检验：检验若干个变量是否应同时包括在模型中。2、检验是否有相关变量的遗漏或函数形式设定偏误•残差图示法...