




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
經(jīng)濟學(xué)家發(fā)展和評價了關(guān)于經(jīng)濟行為的理論。假設(shè)檢驗程序被用來檢驗他們的理論。在第7章,我們發(fā)展和應(yīng)用了單個假說t假設(shè)檢驗。,我們在這一章遇到的一個重要的新發(fā)展是使用F分布同時檢驗一個由兩個或更多的關(guān)于多元回歸模型中的參數(shù)的零假設(shè)。8.6模型假定在所有到目前為止已經(jīng)涉及到的內(nèi)容中,我們通常把模型當作已給出?,F(xiàn)在已經(jīng)是下列幾種問題:給定一個特殊的回歸模型,估計其參數(shù)的最好方法是什么?給定一個特定的模型,我們?nèi)绾螜z驗關(guān)于模型參數(shù)的假設(shè)?我們?nèi)绾螛?gòu)建一個模型參數(shù)的區(qū)間估計?在給定的模型中,估計量的性質(zhì)是什么?考慮到所有這些問題需要模型的知識,自然會問該模型從何而來。在任何計量調(diào)查中,模型的選擇是第一步驟之一。因此,在這部分里,我們集中考慮以下幾個問題:當選擇模型時什么是重要的考量?選擇錯誤的模型會有什么后果?有沒有評估的一個模型是否可行的方法?模型選擇的三個必要的特征是:(1)模型函數(shù)形式的選擇,(2)包括在該模型中的解釋變量(解釋量)的選擇;(3)多元回歸模型的假設(shè)是否支持MR1-MR6,在150頁。在后面的章節(jié)中,關(guān)于異方差存在性,自相關(guān)性,隨機的解釋變量解決了這些假設(shè)的錯誤。對于函數(shù)式和解釋變量的選擇,經(jīng)濟原則和邏輯推理發(fā)揮了十分顯著和重要的作用。我們要問:什么變量會可能影響因變量y?這些變量改變時y怎樣變動?以一種恒定的速率變動嗎?以一個持續(xù)降低的速率變動嗎?在整個數(shù)據(jù)的變動中,認為常數(shù)彈性合理嗎?這些問題的答案在解釋變量的選擇以及選擇合適的函數(shù)形式上有一些關(guān)系。在章節(jié)6.3的一些細節(jié)中替代功能的函數(shù)形式被采用;在第10章進一步的問題被重視。在接下來的部分里,我們考慮到選擇一系列錯誤的解釋變量的后果和關(guān)于解釋變量的選擇的一些問題。在這一節(jié),錯誤假定的試驗被證明。遺漏和不相關(guān)變量即使有健全的經(jīng)濟原則和邏輯,一個被選擇的模型可能有遺漏或不相關(guān)的變量包括在內(nèi)的重要變量,這是有可能的。為介紹遺漏變量問題,假設(shè)在某個特定的行業(yè),雇員的工資率為W,取決于他們的經(jīng)驗E和他們的動機M,以至我們ttt可以寫成W=卩+卩E+卩M+e (8.6.1)t12t3tt然而,有關(guān)動機的數(shù)據(jù)都是無效的。所以,相反,我們估計模型W=卩+卩E+v (8.6.2)t12tt通過估計(8.6.2),當它不真時我們將限制條件限制為卩二0。強加一個錯誤的3限制的含義已在8.5部分討論過。對卩和的最小二乘估計通常是有偏見的,雖12然它有較低的方差。當它不是有偏的時候就是當遺漏變量(M)與被包括變量之t間(E)不相關(guān)時。然而不相關(guān)的解釋變量是很少見的。遺漏變量有偏的一種證t明在本部分后面會給出。遺漏變量有偏的可能性意味著要試圖包括所有重要相關(guān)變量。這也意味著,如果一個被估計方程含有具有沒預(yù)期到的意義的系數(shù),或不切實際的數(shù)量,這些奇怪的結(jié)果的一個可能的原因是遺漏重要變量。評價一個變量或一組變量是否應(yīng)該包含在一個方程里的一種方法是完成“有意義的檢驗''。這就是用t檢驗檢驗如h:卩=0這樣的假設(shè),或F檢驗檢03驗比如H:卩二卩=0的假設(shè)??墒?,重要的是要記住,有兩種不丟棄零原假設(shè)034的測試結(jié)果的可能的原因。1.相應(yīng)的變量沒有影響y,并且可以排除出模型。2.相應(yīng)的變量是該模型的重要的必須出現(xiàn)的變量,但數(shù)據(jù)沒有足夠好以致拒絕H。也就是說,數(shù)據(jù)并不足夠充分證實變量都是十分重要0的。(缺少數(shù)據(jù)的可能原因?qū)⒃?.7討論。)因為一個系數(shù)的“無意義”可能是由(1)或(2)引起的,你必須謹慎地考慮下面的規(guī)則,去掉具有毫無意義系數(shù)的變量。你可以排除無關(guān)的變量,但你也可以在余下的系數(shù)估計里包括有偏遺漏變量。省略相關(guān)變量的后果可能導(dǎo)致你認為一個好的辦法就是在你的模型里盡可能包括許多變量。然而,這樣做不僅會使模型復(fù)雜化,因為不相關(guān)變量的存在它可能擴大你的估計方差??辞宄沃^不相關(guān)的變量,假設(shè)正確的格式
W=卩+卩E+卩M+e (8.6.3)t12t3tt但是我們估計模型為W=卩+卩E+卩M+卩C+et12t3t4tt其中c是第t個員工的孩子總數(shù),并且實際上b=0。c是一個不相關(guān)的變量。t4t包括它不會使最小二乘估計有偏,但它意味著b,b和b將會比通過估計正確的123模型(8.6.3)獲得的數(shù)好。這個結(jié)果合理,因為根據(jù)高斯-馬克連夫定理,(8.6.3)的最小二乘法估計量是p,p,和p的最小方差線性無偏估計量。如果c和e、123ttM不相關(guān)方差的擴大不會出現(xiàn)。但是注意,即使孩子人數(shù)是不太可能影響工資率,t但它可以與經(jīng)驗相關(guān)聯(lián)。遺漏變量和不相關(guān)的變量估計后果是在評價實證結(jié)果時要記住的一些東西。他們也要重新指向我們原來的建議:經(jīng)濟原則和邏輯推理是變量選擇的重要考慮因素。遺漏變量偏差:一個證明假設(shè)我們無意中遺漏一個回歸模型的變量。那就是,假定真實模型是y=卩+卩x+Ph+e,但我們估計模型y=P+卩x+e,從模型中遺漏了h。然后12312我們用此估計量b*(x-x)(yb*(x-x)(y-y)卩工we其中£(x-x)2所以,E(b*)=p+p£wh進一步觀察,我們發(fā)現(xiàn)wh(x一x)(wh(x一x)(h一h)(x一x)(h-h)(T-1)cOv(x,h)(T一1)var(x)A因此,E(b*)=p+pC0V(?'ht)2 2 3A 2var(x)t明白p的標志和x和h的協(xié)方差的符號告訴我們有偏的方向。同樣的,盡管3 t t遺漏回歸的一個變量通常使最小二乘估計量有偏,如果x和遺漏變量h之間的樣tt本協(xié)方差,或樣本之間的相關(guān)性是零,則在錯誤假定模型中的最小二乘估計量仍然是無偏的。8?6?2錯誤假定模型的檢驗:RESET檢驗計量模型的誤設(shè)檢驗是一個問的方式:我們的模型足夠嗎,還是我們可以提高它嗎?如果我們漏掉重要變量,包括無關(guān)的變量,選擇錯誤的函數(shù)形式,或有一個違反多元回歸模型假設(shè)的模型,它可能是誤設(shè)的。RESET檢驗(回歸設(shè)定錯誤檢驗)是用來檢測遺漏變量和不正確的函數(shù)形式。該推理如下。假設(shè)我們已經(jīng)指定和估計出回歸模型y=P+Px+Px+e (8.6.4)TOC\o"1-5"\h\zt 1 2t2 3t3 t讓(b,b,b)作為最小二乘估計值并且讓123y=b+bx+bx (8.6.t1 2t2 3t3作為y的被預(yù)測值??紤]以下兩個人工模型t=p+px+px1 2t2 3=p+px+px1 2t2 3t3A2+Yy1t+et(8.6.6)y=P+Px+Px+Yt 1 2t2 3t3 1A2y+Yt2A3y+ett(8.6.7)在(8.6.6)中,模型誤設(shè)的檢驗是H:Y=0對應(yīng)備擇假設(shè)H:Y豐0的一個檢驗。0111在(8.6.7)中,檢驗H:Y=Y=0對應(yīng)H:Y豐0或者Y豐0是模型誤設(shè)的一■012112種檢驗。在頭一種情況下一個t或一個F檢驗可以被使用。第二個方程需要F檢驗。拒絕H表示原模型是不充分的,是可以改進的。拒絕H的失敗表示此檢00驗已經(jīng)不能夠檢測到任何模型誤設(shè)。此檢驗背后的思想是一種通用的一個測試。注意,J2和$3將是x和x的t t t2 t3多項式函數(shù)。因此,如果原模型不是正確的函數(shù)形式,包括\2和&3在內(nèi)的多項式tt逼近可以大大改善模型的適度,并且這個事實將可以通過丫和丫的非零值被檢測12到。此外,如果我們遺漏變量,這些變量和x與x相關(guān),則它們的一些影響也許會t2 t3通過$2和&3被檢測到??偟膩碚f,檢驗的一般道理是:如果我們能由人為地包tt括模型預(yù)測的能力明顯改善模型,則原模型一定是不充分的。作為檢驗的一個例子,考慮在8.5節(jié)啤酒需求的例子來說明非樣本信息的加入。我們早前指定的log-log模型ln(q)=卩+卩l(xiāng)n(p)+卩l(xiāng)n(p)+卩l(xiāng)n(p)+卩l(xiāng)n(p)+e (8.6.8)t 1 2 Bt 3 Lt 4 Rt 5 m tt估計該模型,然后用預(yù)測量的平方和立方,RESET檢驗結(jié)果擴大它,列在表8.4的上半部分里。F值是非常小的,和相應(yīng)的0.93和0.70得p值都遠高于傳統(tǒng)意義的顯著性水平0.05。沒有RESET檢驗的證據(jù)顯示log-log模型是不充分的?,F(xiàn)在,假設(shè)我們已經(jīng)指定了一個線性模型來代替log-log模型。也就是說,我們估計模型q=卩+卩p+卩p+卩p+卩p+e(8.6.9)t 1 2Bt 3Lt 4Rt 5m tt用平方項擴展該模型,然后預(yù)測量q的平方和立方服從表8.4的下半部分的tRESET檢驗結(jié)果o0.0066和0.0186的p值都低于0.05表明線性模型是不適當?shù)?。你?yīng)該用你的電腦軟件復(fù)制表8.4里的實驗結(jié)果。當這樣做時,注意我們沒有包括關(guān)于在8.5節(jié)里用到的系數(shù)的非樣本限制。較容易的比較兩個函數(shù)形式被遺漏了。你也應(yīng)該知道,作為一個在可供選擇的函數(shù)形式之間的有偏見的設(shè)計,RESET檢驗不總是產(chǎn)生這樣明確的結(jié)果。例如,對于一個線性模型和log-log模型不被拒絕是可能的。8.7共線性經(jīng)濟變量大多數(shù)用于估計經(jīng)濟關(guān)系的經(jīng)濟數(shù)據(jù)是非實驗性的。的確,在大多數(shù)情況下,他們被簡單的“收集”為行政或其他用途。因此,數(shù)據(jù)不是一個有計劃的實驗設(shè)計被指定為了解釋變量的實驗的結(jié)果。在嚴密控制的實驗里,在第一章中討論的那樣,統(tǒng)計模型里等式右邊部分的變量可以被指定值,以這樣一種方式使得它們的各自影響可以精確識別和估計。當數(shù)據(jù)是一個不可控的實驗的結(jié)果時,很多經(jīng)濟變量可以以系統(tǒng)的方式一起移動。這些變量被稱為是共線性的,問題被標志為共線性問題,或者當涉及幾個變量時稱為多元共線性。在這種情況下沒有保證數(shù)據(jù)含有“豐富的信息”,也不認為它將可能隔離經(jīng)濟關(guān)系或利率參數(shù)。作為一個例子,考慮海灣地區(qū)快餐市場營銷經(jīng)理面對問題,他們試圖估計總財政收入的增長歸因于出現(xiàn)在報紙上的廣告和優(yōu)惠券廣告。假設(shè)它用普通行為去協(xié)調(diào)這兩個廣告設(shè)計,以便在同一時間出現(xiàn)在報紙上刊登廣告,有傳單分發(fā)式含有優(yōu)惠券降低漢堡包價格。如果測量關(guān)于這兩種形式廣告的支出的變量出現(xiàn)在像(7.1.2)總收入方程的右邊,則這些變量的數(shù)據(jù)將顯示一個系統(tǒng)的、積極的關(guān)系;直觀上看,這種數(shù)據(jù)揭示這兩種類型的廣告的獨自影響很困難。因為這兩種類型的廣告費用一起變動,很難分類出它們對總收入的獨立影響。作為另一個例子,把一個解釋產(chǎn)出量隨時間變化的生產(chǎn)關(guān)系看作一個不同投入量的函數(shù)。有影響產(chǎn)量的主要因素(投入),如勞動和資本,以相對固定比例生產(chǎn)。當產(chǎn)量增加時,兩個或更多因素的數(shù)量,這樣投入反映了比例的增加。變量之間的比例關(guān)系是共線的系統(tǒng)關(guān)系?!叭魏螠y量來自這些數(shù)據(jù)的投入的不同混合的各自或者獨立的影響(邊際產(chǎn)量)的努力都是很難的。我們也應(yīng)該注意這一點,不是數(shù)據(jù)樣本中的變量之間的關(guān)系使得難以孤立一個經(jīng)濟或統(tǒng)計模型中各自解釋變量的獨立影響。當解釋變量的值在數(shù)據(jù)樣本中不改變或不改變太多時一個相關(guān)的問題出現(xiàn)了。當一個解釋變量表現(xiàn)出很小的變化,這時很難擺脫它的影響。7.3.1節(jié)中,我們注意到在一個變化里更多的變化是事情的另一面,它導(dǎo)致估計不精確。這個問題也屬于“共線性問題?!?.7.1共線性問題的結(jié)果在計量經(jīng)濟學(xué)模型中解釋變量之間的共線性關(guān)系的結(jié)果可以概括如下:每當解釋變量之間有一個或更多確切的的線性相關(guān)關(guān)系,精確的共線性,或者準確的多元共線性的條件是存在的。在這種情況下,最小二乘估計是未定義的。我們不能得到B使用最小二乘法原理的估計。(7.3.1)表明這一點。例如,如果kX和x有一個確切的線性關(guān)系,那么他們之間的相關(guān)性是r=±1,b的方差是t2t3 232未定義的,因為0出現(xiàn)在分母中。同樣b和b的協(xié)方差和公式是正確的。23當解釋變量中近乎精確線性依賴關(guān)系存在時,一些最小二乘估計量的方差,標準誤差,和協(xié)方差可能很大。我們已注意到7.3.1章節(jié)中,有高度的相關(guān)性的兩個解釋變量的估計方差的影響。最小二乘估計量的較大標準差意味著很高的樣本差異性,在樣本或模型說明中估計的系數(shù)是不穩(wěn)定的,有較小的變化,區(qū)間估計寬,且關(guān)于未知參數(shù)的樣本數(shù)據(jù)相對地提供不精確信息。3。 當估計量標準差很大時,很可能通常t檢驗導(dǎo)致得出這樣的結(jié)論:參數(shù)估計沒有明顯不同于零。這個結(jié)果出現(xiàn)盡管可能高r2或F值表示“明顯的”解釋模型作為一個整體的能力。問題是,共線性變量不能提供足夠的信息來估計其獨自影響,即使經(jīng)濟理論可能表明它們在這關(guān)系里的重要性。4。 估計可能對一些觀察值的添加或者刪除,或刪除一個顯然不重要的變量非常敏感。盡管很難孤立一個樣本的各個變量的影響,如果在新樣本觀察值中存在同樣的共線關(guān)系特征,準確預(yù)測是可能的。例如,一個總生產(chǎn)函數(shù),其中投入勞動和資本是近似共線性的,對某一特定比例的投入而言,精準預(yù)測產(chǎn)出是可能的,但不適合各種組合的投入。判斷和減輕共線性一個簡單的檢測共線性關(guān)系的方法是用一些解釋變量間的樣本相關(guān)系數(shù)。這些樣本相關(guān)性是線性關(guān)聯(lián)的描述性的測量。一種常用的規(guī)則是解釋變量之間的相關(guān)系數(shù)絕對值大于0.8或者0.9預(yù)示著一種強烈的線性關(guān)系和一個潛在的有害的共線性關(guān)系。檢驗兩兩相關(guān)共線關(guān)系的唯一的問題是,共線關(guān)系可能涉及兩個以上的解釋變量,通過檢查兩兩之間的關(guān)系,這是可能或不可能被檢測出的。第二個識別共線存在的簡單而有效的程序是估計所謂的“輔助回歸?!痹谶@些最小二乘回歸中左邊的變量是其中的解釋變量,等式右邊部分變量是所有剩下的解釋變量。例如,x的輔助回歸是t2x=ax+a
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 如何應(yīng)對投資咨詢工程師考試難題試題及答案
- 銀行從業(yè)資格應(yīng)考趨勢試題及答案
- 2025年文學(xué)社學(xué)期工作總結(jié)(30篇)
- 青春的演講稿夢想作文(8篇)
- 學(xué)生會文體部個人工作計劃范例(33篇)
- 全媒體運營師新趨勢考題及答案
- 信息化物流平臺搭建試題及答案
- 2025年谷胱甘肽及酵母提取物項目建議書
- 一分鐘自我介紹匯編4篇
- 中職電子商務(wù)資格證考試重要試題總結(jié)
- 定向井設(shè)計暨compass操作指南講解
- GB/T 1335.3-2009服裝號型兒童
- 中國近現(xiàn)代史綱要學(xué)習(xí)心得體會800字
- 2020年內(nèi)蒙古自治區(qū)高等職業(yè)院校對口招收中等職業(yè)學(xué)校畢業(yè)生單獨考試英語試卷及答案
- 《電業(yè)安全工作規(guī)程》
- 《農(nóng)業(yè)區(qū)位因素及其變化》(第一課時)
- 化學(xué)氣相沉積CVD教材課件
- 快開門式壓力容器操作規(guī)程
- ?;稭SDS知識考核試題與答案
- 白芨栽培技術(shù)專題培訓(xùn)課件
- 醫(yī)保按病種分值付費(DIP)院內(nèi)培訓(xùn)
評論
0/150
提交評論