報關(guān)程序暫準(zhǔn)進(jìn)出境貨物-閱讀頁
2024-09-20 09:39本頁面
【正文】 5 . 2 . 3 中國 G D P 與消費支出（億元） 年份 人均居民消費 CONS P 人均 GD P GDPP 年份 人均居民消費 CONS P 人均 GD P GDPP 1978 1990 18319. 5 1979 1991 10315. 9 21280. 4 1980 1992 12459. 8 25863. 7 1981 1993 15682. 4 34500. 7 1982 1994 20809. 8 46690. 7 1983 1995 26944. 5 58510. 5 1984 1996 32152. 3 68330. 4 1985 4589 1997 34854. 6 74894. 2 1986 5175 10132. 8 1998 36921. 1 79003. 3 1987 11784. 7 1999 39334. 4 82673. 1 1988 14704. 0 2020 42911. 9 89112. 5 1989 16466. 0 取兩階滯后， Eviews給出的估計結(jié)果為： P ai r wis e G r an ger Ca us al i t y T es ts S am pl e: 1 978 200 0 Lags : 2 Nul l H y p othes i s : O bs F S tati s t i c P r oba bi l i t y G DP doe s n ot G r an ger C aus e CO N S 21 49 08 CO NS doe s n ot G r an ger Caus e G D P 25 50 判斷： ?=5%，臨界值 (2,17)= 拒絕“ GDP不是 CONS的格蘭杰原因”的假設(shè)，不拒絕“ CONS不是 GDP的格蘭杰原因”的假設(shè)。 但在 2階滯后時，檢驗的模型存在 1階自相關(guān)性。 如果同時考慮檢驗?zāi)Ｐ偷男蛄邢嚓P(guān)性以及赤池信息準(zhǔn)則 ， 發(fā)現(xiàn)： 滯后 4階或 5階的檢驗?zāi)Ｐ筒痪哂?1階自相關(guān)性 ， 而且也擁有較小的 AIC值 ， 這時 判斷結(jié)果是 :GDP與 CONS有雙向的格蘭杰因果關(guān)系 ， 即相互影響 。 模型設(shè)定偏誤問題 一、 模型設(shè)定偏誤的類型 二、 模型設(shè)定偏誤的后果 三、 模型設(shè)定偏誤的檢驗 一、模型設(shè)定偏誤的類型 ? 模型設(shè)定偏誤主要有兩大類 : (1)關(guān)于解釋變量選取的偏誤 ，主要包括 漏選相關(guān)變量 和 多選無關(guān)變量 ， (2)關(guān)于模型函數(shù)形式選取的偏誤 。 這類錯誤稱為 遺漏相關(guān)變量 。 3. 錯誤的函數(shù)形式 (wrong functional form) ? 例如 ，如果 “ 真實 ” 的回歸函數(shù)為 : ??? eXAXY 21 21?但卻將模型設(shè)定為 : vXXY ???? 22110 ???二、模型設(shè)定偏誤的后果 ? 當(dāng)模型設(shè)定出現(xiàn)偏誤時，模型估計結(jié)果也會與“ 實際 ” 有偏差。 1. 遺漏相關(guān)變量偏誤 采用遺漏相關(guān)變量的模型進(jìn)行估計而帶來的偏誤稱為 遺漏相關(guān)變量偏誤 （ omitting relevant variable bias）。 (2)如果 X2與 X1不相關(guān)，則 ?1的估計滿足無偏性與一致性；但這時 ?0的估計卻是有偏的。 設(shè) Y=?0+ ?1X1+v (*) 為正確模型，但卻估計了 Y=?0+?1X1+?2X2+? (**) 如果 ?2=0， 則 (**)與 (*)相同，因此，可將(**)式視為以 ?2=0為約束的 (*)式的特殊形式。 但是， OLS估計量卻不具有最小方差性。容易判斷，這種 偏誤是全方位的 。 三、模型設(shè)定偏誤的檢驗 1. 檢驗是否含有無關(guān)變量 可用 t 檢驗與 F檢驗完成。因此，只須對無關(guān)變量系數(shù)的顯著性進(jìn)行檢驗。 ? 殘差序列變化圖 （ a）趨勢變化 ：模型設(shè)定時可能遺漏了一隨著時間的推移而持續(xù)上升的變量 （ b）循環(huán)變化：模型設(shè)定時可能遺漏了一隨著時間的推移而呈現(xiàn)循環(huán)變化的變量 ? 模型函數(shù)形式設(shè)定偏誤時殘差序列呈現(xiàn)正負(fù)交替變化 圖示： 一元回歸模型中，真實模型呈冪函數(shù)形式，但卻選取了線性函數(shù)進(jìn)行回歸。 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，估計并檢驗其參數(shù)是否顯著不為零即可； 問題是不知道遺漏了哪個變量，需尋找一個替代變量 Z，來進(jìn)行上述檢驗。 例如 ，先估計 Y=?0+ ?1X1+v 得 : 110 ??? XY ?? ??????? ????? 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。 例如， 在一元回歸中，假設(shè)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(shè)定偏誤的問題。 （ *） 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(shè)成了線性模型。 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。 例 ： 在 167。 然而，由于僅用 GDP來解釋商品進(jìn)口的變化，明顯地遺漏了諸如商品進(jìn)口價格、匯率等其他影響因素。 下面進(jìn)行 RESET檢驗。 *（ 3）同期相關(guān)性的豪斯蔓（ Hausman）檢驗 由于在遺漏相關(guān)變量的情況下，往往導(dǎo)致解釋變量與隨機(jī)擾動項出現(xiàn)同期相關(guān)性，從而使得 OLS估計量有偏且非一致。這就是 豪斯蔓檢驗（ 1978）的主要思想。 而當(dāng)解釋變量與隨機(jī)擾動項同期無關(guān)時， OLS估計量就可得到參數(shù)的一致估計量。 對一元線性回歸模型 Y=?0+?1X+? 所檢驗的假設(shè)是 H0： X與 ?無同期相關(guān)。 檢驗時，求 Y關(guān)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(jìn)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(jìn)行回歸。 拒絕原假設(shè)，就意味著（ *）式中的解釋變量與隨機(jī)擾動項相關(guān)。 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。 YYY ii ~/* ? 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。 )ln(2112R SSR SSn Zarembka（ 1968）提出的檢驗統(tǒng)計量為： 其中， RSS1與 RSS2分別為對應(yīng)的較大的殘差平方和與較小的殘差平方和， n為樣本容量。 因此，拒絕原假設(shè)時，就應(yīng)選擇 RSS2的模型。 ， 采用線性模型 : R2=。下面進(jìn)行 BoxCox變換。 167。 ?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。 ?這一過程對最終選擇的變量的 t檢驗產(chǎn)生較大影響
高考資料相關(guān)推薦
鄂ICP備17016276號-1