1、第六章模型設定：解釋變量的選擇模型設定：解釋變量的選擇第8組：鄧紫君、梁焯琪、羅丹彤、 駱嫻、王曉芳精選課件模型設定與設定誤差計量經濟學方程的設定包括三個部分：1、選擇正確的解釋變量2、正確的函數形式3、正確的隨機誤差項以上三者中任何一部分不正確都會引起以上三者中任何一部分不正確都會引起設定誤差設定誤差精選課件遺漏變量及其后果遺漏變量遺漏變量：一個重要的解釋變量被遺漏在回歸方程之外。以下兩種情況若出現，就會使解釋變量被遺漏，會導致遺漏變量偏誤：1.假設初定方程時沒有考慮到某個相關解釋變量2.假設考慮到某個變量卻無法得到數據注意注意：只要存在遺漏變量，就會使得對估計出的方程的解釋和使用不再可靠，

2、導致回歸方程中其余變量的參數估計值有偏導致回歸方程中其余變量的參數估計值有偏。精選課件假設真實的回歸模型如下：此處 是古典誤差項如果 X2 被遺漏，則回歸方程變為：此處：因此，（6-2）方程中的解釋變量并不是與誤差項相獨立的，除非遺漏的解釋變量與所有被包含的解釋變量都不相關（這幾乎是不可能的），否則，如果遺漏了一個重要變量，就會違背古典假設。（6-1）（6-2） （6-3）精選課件如果方程6.1是真實的方程，而我們卻估計了方程6.2，那么，什么情況將會發生？我們將會得到有偏的估計量亦即：(6.4)對一個兩變量模型， Y=0+1X1+2X2+假設遺落解釋變量X2有 E（1）=1+21 （6.5）

3、1是X2i=0+1X1i+ i的斜率，表示了X和X之間相關關系系數的函數，記為：f（r12）（6.5）式中右邊的第二部分表示真實值的偏誤精選課件偏誤=21=omf（rin，om）om：遺漏變量in：已包含變量除非出現以下兩種情況之一：1.遺漏變量的參數真實值等于零。2.已包含變量和遺漏變量不相關。否則，存在遺漏變量偏誤。精選課件不相干變量遺漏變量和不相干變量對參數估計值的影響：對參數估計值的影響對參數估計值的影響遺漏變量遺漏變量不相干變量不相干變量偏誤有偏無偏方差減小增大調整的判定系數2 -減小T統計量-減小精選課件模型設定的四個重要準則我們可以將上述討論總結為四個標準，以幫助我們決定是否應將

4、一個解釋變量包含進入方程：1.理論理論: 方程中的變量是否有明確的理論意義？2.t 檢驗檢驗: 變量的估計系數是否在預期方向上是顯著的？3.調整的判斷系數調整的判斷系數2: 當變量加入模型后，調整的R2是否增加，或方程的整體擬合優度是否得到改善？4.偏度偏度: 當變量加入模型后，其它變量的回歸系數是否顯著的改變？如果滿足上述四個條件，那么該變量應當包含進入模型中如果沒有任何一個條件被滿足，模型中不能包含該變量如果僅滿足部分條件，那么就需要研究者做出決定精選課件誤用模型設定準則的實例（P99）COFFEE=9.1+7.8Pbc+2.4Pt+0.0035Yd （15.6） （1.2） （0.001

5、0） t= 0.5 2.0 3.5 2=0.60 N=25Pbc的系數不顯著且符號與預期相反，可能是巴西咖啡缺乏價格彈性（它的參數為0），去掉這個價格變量，回歸可得：COFFEE=9.3+2.6Pt+0.0036Yd （1.0） （0.0009） t= 2.6 4.0 2=0.61 N=25假設：COFFEE:美國對巴西咖啡的需求量，Pbc：巴西咖啡的價格，Pt：茶葉的價格，Yd：可支配收入 由此可得：精選課件應用準則判斷巴西咖啡價格是否應該保留應用準則判斷巴西咖啡價格是否應該保留1.理論理論：因為巴西咖啡的需求對價格十分不敏感，故剔除該變量在理論上似乎是合理的2.t t檢驗檢驗：這個疑似不相

6、干變量的t統計量在任何水平上是不顯著的3.調整的判斷系數調整的判斷系數：當該變量剔除后，調整的判斷系數增加，意味著該變量是不相干變量4.偏誤偏誤：當該變量被剔除后，其余變量的參數只是稍有變化，意味著即使除去該變量會造成偏誤，也是很小的偏誤結論：巴西咖啡確實是缺乏價格彈性，其價格是不相干變量，應剔除實際上，由于在市場上存在其他地區的咖啡，很難相信巴西咖啡的需求不受自身價格的影響。精選課件巴西咖啡需求的敏感性與其他地區咖啡的價格有關，在模型中加入Pcc：哥倫比亞咖啡的價格COFFEE=10.0+8.0Pcc-5.6Pbc+2.6Pt+0.0030Yd （4.0） （2.0） （1.3） （0.0010） t= 2.0 -2.8 2.0 3.0 2=0.65 N=251.理論：兩個價格都應該包含在模型中2.t檢驗：新變量的t統計量在大多數情況下都是顯著的3.調整的判定系數：加入該變量后，調整的判定系數增加，說明該變量是一個遺漏變量4.偏誤：盡管有兩個參數值幾乎保