erp系統(tǒng)編碼培訓實施顧問(參考版)
2024-08-23 18:27本頁面
【正文】 這就是所謂的 “ 從一般到簡單 ” （ generaltospecific） 的建模理論 。 P66 二、“從一般到簡單” —— 約化建模型理論 該理論認為： 在模型的最初設定上 ， 就設立一個 “一般 ” 的模型 ， 它包括了所有先驗絆濟理論不假設中所應包括的全部變量 ， 各種可能的 “ 簡單 ” 模型都被 “ 嵌套 ” （ nested） 在這個 “ 一般 ” 的模型之中 。 ? 羅維爾（ Lovell）給出了一個從 c個備選變量中選取 k個變量進入模型時，真實顯著性水平 ?*與名義顯著性水平 ?的關系： ?*=1(1 ?)c/k P65 例如： 給定 ?=5%， 如果有 2個相互獨立且不被解釋變量無關的備選變量，誤選一個迚入模型的概率就成了 1()2= ? 傳統(tǒng)建模方法的另一問題是它的“隨意性”。 ?這一過程對最終選擇的變量的 t檢驗產(chǎn)生較大影響 P64 ? 當在眾多備選變量中選擇變量迚入模型時，其中 t檢驗的真實的顯著性水平已不再是事先給出的名義顯著性水平。 ?傳統(tǒng)建模方法主要的缺陷：建模過程的所謂“ 數(shù)據(jù)開采 ”（ Data minimg）問題。 P61 167。下面進行 BoxCox變換。 ， 采用線性模型 : R2=。 因此，拒絕原假設時，就應選擇 RSS2的模型。 )ln(2112R SSR SSn Zarembka（ 1968）提出的檢驗統(tǒng)計量為： P58 其中， RSS1與 RSS2分別為對應的較大的殘差平方和與較小的殘差平方和， n為樣本容量。 YYY ii ~/* ?P57 第三步 ，用 Y*替代 Y，分別估計雙對數(shù)線性模型與線性模型。 為了在兩類模型中比較，可用 BoxCox變換 : 第一步 ，計算 Y的樣本幾何均值。 拒絕原假設，就意味著（ *）式中的解釋變量與隨機擾動項相關。 P53 檢驗時，求 Y關于 X與 Z的 OLS回歸式： iii ZXY ??? ???? 10 ??? 在實際檢驗中，豪斯蔓檢驗主要針對多元回歸進行，而且也不是直接對工具變量回歸，而是對以各工具變量為自變量、分別以各解釋變量為因變量進行回歸。 P51 對一元線性回歸模型 Y=?0+?1X+? 所檢驗的假設是 H0： X與 ?無同期相關。 而當解釋變量不隨機擾勱項同期無關時， OLS估計量就可得到參數(shù)的一致估計量。這就是 豪斯蔓檢驗（ 1978）的主要思想。 P49 *（ 3）同期相關性的豪斯蔓（ Hausman）檢驗 由于在遺漏相關變量的情況下，往往導致解釋變量不隨機擾勱項出現(xiàn)同期相關性，從而使得 OLS估計量有偏且非一致。 下面進行 RESET檢驗。 然而，由于僅用 GDP來解釋商品進口的變化，明顯地遺漏了諸如商品進口價格、匯率等其他影響因素。 P46 例 ： 在 167。 P45 例如， 估計 Y=?0+?1X1+?2X2+? 但卻懷疑真實的函數(shù)形式是非線性的。 （ *） P44 因此，在一元回歸中，可通過檢驗 (*)式中的各高次冪參數(shù)的顯著性來判斷是否將非線性模型誤設成了線性模型。 P43 例如， 在一元回歸中，假設真實的函數(shù)形式是非線性的，用泰勒定理將其近似地表示為多項式： RESET檢驗也可用來檢驗函數(shù)形式設定偏誤的問題。 例如 ，先估計 Y=?0+ ?1X1+v 得 : 110 ??? XY ?? ??P42 ????? ????? 3221110 ?? YYXY 再根據(jù)第三章第五節(jié)介紹的 增加解釋變量的 F檢驗 來判斷是否增加這些 “ 替代 ” 變量。 基本思想： 如果事先知道遺漏了哪個變量，只需將此變量引入模型，估計幵檢驗其參數(shù)是否顯著丌為零即可； P41 問題是不知道遺漏了哪個變量，需尋找
公司管理相關推薦
鄂ICP備17016276號-1