第7章 模型选择标准与检验
计量经济学金玉国第7章
LOWESS是一种非参数回归方法，通过对数据点进行局部加权拟合，得到变量间的回归关系。该方法 适用于探索变量间的非线性关系，能够揭示数据的局部特征。
半参数方法简介及应用举例
半参数方法简介
半参数方法是介于参数方法和非参数方 法之间的一种统计方法。它结合了参数 方法和非参数方法的优点，既能够利用 已知的信息提高估计精度，又能够适应 数据的复杂结构。半参数方法主要包括 部分线性模型、单指标模型等。
线性回归模型基本概念
线性回归模型定义
描述因变量与一个或多个自变量之间线性关系的统计 模型。
回归方程
表示因变量与自变量之间关系的数学表达式，形如 Y=β0+β1X1+β2X2+⋯+βkXk。
估计的回归方程
利用样本数据对回归方程中的参数进行估计，得到的 方程用于预测和解释。
最小二乘法原理及性质
01
最小二乘法原理
计量经济学金玉国第7章
• 第七章概述 • 线性回归模型 • 广义线性模型 • 时间序列分析 • 面板数据分析 • 非参数和半参数方法 • 计量经济学软件应用
01
第七章概述
章节内容与结构
章节内容
本章主要介绍了计量经济学中的时间序列分析，包括时间序列的基本概念、平稳性检验、自回归模型、移动平均 模型、自回归移动平均模型等。
结构安排
首先介绍时间序列的基本概念和性质，然后阐述平稳性检验的方法和应用，接着详细讲解自回归模型、移动平均 模型和自回归移动平均模型的原理、建模步骤、预测及应用，最后通过案例分析和实践练习帮助读者深入理解和 掌握本章内容。
学习目标与要求
学习目标
通过本章学习，读者应能够掌握时间序列分析的基本方法和 技术，能够运用相关模型进行实际问题的分析和预测。
第七章面板数据模型的分析
第七章面板数据模型的分析面板数据模型是一种广泛应用于计量经济学和实证研究领域的数据分析方法。
它的特点是利用了多个交叉时期和个体的数据来研究变量之间的关系，相比于截面数据模型和时间序列数据模型具有更为丰富的信息。
面板数据模型的分析可以从多个角度进行，以下是几种常见的分析方法：1.汇总统计分析：通过计算面板数据的平均值、标准差、最大值、最小值等统计量，可以对变量的总体特征进行汇总分析。
这种分析方法可以直观地了解变量的变化范围和分布情况。
2.横向分析：横向分析主要关注个体之间的差异，通过比较不同个体在同一时间点上的变量取值，可以研究个体特征、个体行为等方面的问题。
例如，可以比较不同公司在同一年份上的销售额，从而找出销售额较高或较低的公司有什么特点。
3.纵向分析：纵向分析主要关注个体随时间变化的特征，通过比较同一个体在不同时间点上的变量取值，可以研究个体的发展趋势、变化规律等方面的问题。
例如，可以比较同一家公司在不同年份上的销售额，分析销售额的增长趋势或变化原因。
4.固定效应模型：固定效应模型是面板数据模型中常用的一种建模方法。
它通过引入个体固定效应来控制个体特征对变量的影响，从而研究其他变量对个体的影响。
例如，可以研究公司规模对销售额的影响，控制掉公司固定效应后，观察销售额与公司规模的关系。
5.随机效应模型：随机效应模型是面板数据模型中另一种常用的建模方法。
它通过将个体固定效应视为随机变量，从而研究个体与时间的交互作用。
例如，可以研究公司规模对销售额的影响，同时考虑到不同公司的规模和销售额的随机波动。
6.固定效应与随机效应的比较：固定效应模型和随机效应模型分别考虑了个体固定效应和个体与时间的交互作用，它们各自有各自的优点和局限性。
通过比较两种模型的拟合优度、估计结果等指标，可以选择合适的模型来进行面板数据的分析。
7.动态面板数据模型：动态面板数据模型是对静态面板数据模型的扩展，它引入了变量的滞后项，来研究变量之间的动态关系。
《回归分析》教学大纲
回归分析RegressionAna1ysis一、课程基本信息课程编号：111093适用专业：统计学专业课程性质：专业必修开课单位：数学与数据科学学院学时：48（理论学时40；实验学时8）学分：3考核方式：考试（平时成绩占30%+考试成绩70%）中文简介：回归分析是应用统计学中一个重要的分支，在自然科学、管理科学和社会经济等领域应用十分广泛。
《回归分析》课程是统计学专业的学科专业必修课是学生掌握统计学的基本思想、理论和方法的主要课程，是培养学生熟练应用计算机软件处理统计数据的能力的基础课程。
通过本课程的学习，使学生掌握应用统计的一些基本理论与方法，初步掌握利用回归分析解决实际问题的能力。
二、教学目的与要求本课程的主要目的是学生在学习后，能够系统掌握回归分析的理论与方法，并在此基础上，掌握回归分析应用的艺术技巧，并利用其分析认识实际问题。
本课程注重回归分析的基本理论与方法，同时通过案例教学与实际应用来剖析回归分析的理论与方法所蕴含的统计思想及其应用艺术。
教学中在回归分析理论与方法的基础上结合社会、经济、自然学科学领域的研究实例，把回归分析方法与实际应用结合起来，注重定性分析与定量分析的紧密结合，强调每种方法的优缺点和实际运用中应注意的问题,研究与实践中应用回归分析的经验和体会融入其中，使学生充分体会到回归分析的应用艺术，并提高解决问题的能力。
通过本课程的学习，在理论教学过程中，可以结合国内外回归分析相关学者的研究经历和成果，传播科学研究所需要的实事求是、脚踏实地的精神，培养学生的科学素养。
在实践教学中，利用案例分析、软件仿真等方式培养学生的实践能力和创新思维，激发学生主动研究新问题和设计新方法的兴趣，让学生在实践中深刻体会科学研究的乐趣，也可以鼓励有突出能力的学生通过创新创业或成果转化为社会发展贡献年轻的力量。
三、教学方法与手段1.教学方法：课堂讲授中要重点对基本概念、基本方法和解题思路的讲解；采用启发式教学，培养学生思考问题、分析问题和解决问题的能力；引导和鼓励学生通过实践和自学获取知识，培养学生的自学能力和创新能力。
计量经济学+重点
计量经济学+重点形式（3）计量经济学与经济统计学经济统计学：涉及经济数据的收集、处理、绘图、制表计量经济学：运用数据验证结论3、进行经济计量的分析步骤（P2-P3）（1）建立一个理论假说（2）收集数据（3）设定数学模型（4）设立统计或经济计量模型（5）估计经济计量模型参数（6）核查模型的适用性：模型设定检验（7）检验源自模型的假设（8）利用模型进行预测4、用于实证分析的三类数据（P3-P4）（1）时间序列数据：按时间跨度收集到的（定性数据、定量数据）；（2）截面数据：一个或多个变量在某一时点上的数据集合；（3）合并数据：包括时间序列数据和截面数据。
（一类特殊的合并数据—面板数据（纵向数据、微观面板数据）：同一个横截面单位的跨期调查数据）第二章线性回归的基本思想：双变量模型1、回归分析（P18）用于研究一个变量（称为被解释变量或应变量）与另一个或多个变量（称为解释变量或自变量）之间的关系2、回归分析的目的（P18-P19）（1）根据自变量的取值，估计应变量的均值；（2）检验（建立在经济理论基础上的）假设；（3）根据样本外自变量的取值，预测应变量的均值；（4）可同时进行上述各项分析。
3、总体回归函数（PRF）（P19-P22）（1）概念：反映了被解释变量的均值同一个或多个解释变量之间的关系（2）表达式：）①确定/非随机总体回归函数：E（Y|Xi=B1+B2XiB1：截距；B2：斜率从总体上表明了单个Y同解释变量和随机干扰项之间的关系②随机/统计总体回归函数：Yi =B1+B2Xi+μiμi：随机扰动项（随机误差项、噪声）B1+B2Xi：系统/确定性部分μi：非系统/随机部分4、随机误差项（P22）（1）定义：代表了与被解释变量Y有关但未被纳入模型变量的影响。
每一个随机误差项对于Y 的影响是非常小的，且是随机的。
随机误差项的均值为0（2）性质①误差项代表了未纳入模型变量的影响；②反映人类行为的内在随机性；③代表了度量误差；④反映了模型的次要因素，使得模型描述尽可能简单。
第七章分布滞后模型与自回归模型
然后分别估计如下经验加权模型。
19
回归分析结果整理如下 模型一： Yˆt 66.60404 1.071502 Z1t
(3.6633) (50.9191) R2 0.994248 DW 1.440858
F 2592
模型二： Yˆt = -133.1988 +1.3667 Z2t
(-5.029) (37.35852) R2 = 0.989367 DW = 1.042935
33
库伊克变换的缺陷
1.它假定无限滞后分布呈几何递减滞后结构。 这种假定对某些经济变量可能不适用，如固定资 产投资对总产出影响的滞后结构就不是这种类型。 2.库伊克模型的随机扰动项形如
ut* = ut - λut-1
说明新模型的随机扰动项存在一阶自相关，且与 解释变量相关。
34
3.将随机变量作为解释变量引入了模型，不一 定符合基本假定。 4.库伊克变换是纯粹的数学运算结果，缺乏经 济理论依据。 这些缺陷，特别是第二个缺陷，将给模型的参 数估计带来定困难。
则库伊克模型（7.10）式变为 Yt = α* + β0* X t + β1*Yt-1 + ut*
这是一个一阶自回归模型。
（7.12）
32
库伊克变换的优点
1.以一个滞后被解释变量代替了大量的滞后解 释变量，使模型结构得到极大简化，最大限度 地保证了自由度，解决了滞后长度难以确定的 问题； 2.滞后一期的被解释变量与 X t 的线性相关程 度将低于 X的各滞后值之间的相关程度，从而 在很大程度上缓解了多重共线性。
38
用数学式子表示就是
X
* t
=
X
* t -1
+
γ(
EViews第7章 联立方程模型
7.1 联立方程的识别 7.2 联立方程的估计方法及比较 7.3 联立方程的检验 7.4 习题（略）
1/27/2020
哈尔滨工程大学版权所有
1
7.1：联立方程的识别
7.1.1结构式方程的识别
假设联立方程系统的结构式 BY+ΓZ=μ 中的第i个方程中包含ki个内生 变量和gi个先决变量，系统中的内生变量先决变量的数目仍用k和g比奥斯， 矩阵（B0 , Γ0）表示第i个方程中未包含的变量（包括内生变量和先决变量） 在其他k-1个方程中对应的系统所组成的矩阵。于是，判断第i个结构方程 识别状态的结构式识别条件为
11
用普通最小二乘法估计第二个简化式：
Yt 21CSt 1 22Gt 2t
1/27/2020
哈尔滨工程大学版权所有
12
普通最小乘法估计第一个方程结果
图7.4 普通最小乘法估计第一个方程结果
1/27/2020
哈尔滨工程大学版权所有
13
用普通最小二乘法估计第二个简化式
（1）在Equation Estimation 中Specification 内输 入“cst c cst(-1) gt”,如图7.3所示，点击确定， 得到如图7.4所示结果。
1/27/2020
哈尔滨工程大学版权所有
10
变量输入对话框
图7.3 变量输入对话框
1/27/2020
哈尔滨工程大学版权所有
（2）在Equation Estimation 中Specification 内输入“yt c cst(-1) gt”,如图7.5所示，点 击确定，得到如图7.6所示结果
1/27/2020
哈尔滨工程大学版权所有
计量经济模型选择：标准与检验
2-12
7.7 诊断设定误差：设定误差的检验
（7..7.2）对遗漏变量和不正确函数形式的检验
判定模型是否恰当主要根据以下一些参数： 2 2 2 R R 1. 和校正后的 （ R ） 2.估计的 t 值 3.与先验预期相比，估计系数的符号
2-14
残差检验 残差图可以显示模型的设定误差，比如遗漏了 变量或者是使用了不正确的模型形式。
2-11
7.6 度量误差
应变量中的度量误差
1.OLS估计量是无偏的。 2.OLS估计量的方差也是无偏的。 3. 估计量的估计方差比没有度量误差时的大。因为应变量 中的误差加入到了误差项 u i 中。
解释变量中的度量误差
1.OLS估计量是有偏的。 2.OLS估计量也是不一致的。即使样本容量足够大，OLS 估计量仍然是有偏的。
2-8
7.5 不正确的函数形式
现在考虑另一种设定误差。假设模型包括的变 量Y， ， X 3 都是理论上正确的变量。考虑如 X2 下两种模型设定：
Yt B1 B2 X 2t B3 X 3t ut
ln Yt A1 A2 ln X 2t A3 X 3t vt
2-9
例7-3美国进口商品支出
2-2
7.2 设定误差的类型
主要介绍一些实践中经常遇到的设定误差： 遗漏相关变量 包括不必要变量 采用了错误的函数形式 度量误差
2-3
Venn diagram.
7.3 遗漏相关变量：“过低拟合”模型
遗漏变量偏差（omitted variable bias）。
如果研究者由于某种原因在模型构建过程中遗漏了 一个或者几个变量，对OLS估计会有什么影响？ 例如将模型 Yi B1 B2 X 2i B3 X 3i u （ i 7-1）
《信用风险度量》第7章CreditMetrics模型
▪ 转移矩阵（Transition Matrix），即所有不同等级的信用工具在一定期限 内转移到其他等级或维持原级别的转移概率组成的矩阵，通常由信用评 级公司提供。
▪ 违约损失率（Loss Given Default，LGD）即指违约事件发生后债权人所 承受的损失占全部信用合约资金的比例。与违约损失率相对应的是信用 事件发生后的违约回收率（Recovery Rate in Default），即在债务人违 约后资产能够得到回收的比例。
2020/3/25
15
二、VaR
▪ （二）假设条件及计算方法
▪ 1.历史模拟法
▪ 历史模拟法（Historical Simulation Method）基于历史资产 组合风险收益的分布，获得资产组合的历史平均收益及显著 性水平为 时的最低收益率，进而计算资产组合的VaR值。
▪ 首先，估计公司信用资产的风险暴露，建立相应的信用等 级转移概率矩阵。分析资产组合的风险暴露需计算各个资 产之间的相关性，从而计算各资产的联合等级转移概率。
▪ 其次，根据单个资产的未来等级转移概率计算其可能的价 值，并计算全部资产的现值分配，估计信用等级变化后资 产的价值波动程度。
▪ 最后，选取适当的显著性水平，将单个资产或资产组合的 标准差等信息代入VaR公式，从而得到单一资产或资产组 合的信用风险度量值。
▪ 《补充规定》提出标准法和内部模型法两种度量市场风险的方案。标准 法是将市场风险分解为利率风险、股票风险、外汇风险、商品风险和期 权的价格风险，分别计算各类风险并进行加总；内部模型法即基于银行 内部VaR模型的计算方法，将借款人分为政府、银行、公司等多个类型 ，分别按照银行内部风险管理的模型计算市场风险，然后根据风险权重 的大小确定准备金的数量要求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
a2
X 2t X 2
Yt
2
X 2t X 2
X 2t X 2 B1 B2 X 2t B3 X 3t ut
2
X 2t X 2
B1
X 2t X 2 B2
X 2t X 2 X 2t B3 X 2t X 2 X 3t
2
X 2t X 2
X 2t X 2 ut
(1)
Y：进口支出
X：个人可支配收入（PDI）
t：时间或趋势变量，取值1,…,20代表1968~1987年。
Yt=A1+A2Xt+vt
(2)
数据(ex610.dta)
reg t x 即b32=0.0173>0
首先估计模型1（即真实模型） 然后估计模型2（遗漏变量模型）
遗漏相关变量的后果：例子
对比
B2 B3
X 2t X 2
X 3t
2
X 2t X 2
X 2t X 2 ut
2
X 2t X 2
遗漏相关变量的后果
a2 B2 B3
X2t X2
X 3t
2
X2t X2
X 2t X 2 ut
2
X2t X2
(1)和如a果2是遗有漏偏的的变。量X3与模型中的变量X2相关，则a1 E(a2)=B2+B3b32, b32= cov(X2,X3)/var(X2)
a2
x32t x2t yt x22t x32t
x2t x3t
x3t yt
2
,
x2t x3t
将Yt B1 B2 X 2t ut代入上式，整理得
a2 =B2 +
x32t x2tut x22t x32t
x2t x3t x3tut
2
x2t x3t
所以，E a2 B2
加入多余变量
第7章 模型选择:标准 与检验
Model specification: criteria and tests
主要内容
“好的”或者“正确的”模型有那些性质，如何 确定模型形式是否正确？
在实际研究过程中，可能存在什么样的模型设定 问题？
设定误差会造成什么后果？ 如何论断设定误差？ 如何补救？
模型好坏的判断标准
不正确的函数形式
考虑模型（例7.3）
Yt=B1+B2X2t+B3X3t支配收入（PDI） X3：时间或趋势变量，取值1,…,20代表1968~1987年。
sˆ 2
e2
Y a1 a2 X 2 2
n2
n2
真实的误差方差估计量应为
sˆ 2
e2
Y b1 b2 X 2 b3 X 3 2
n3
n3
遗漏相关变量的后果
(5)估计量a2的方差是真实估计量b2方差的有偏估计量。 即使X2和X3不相关，这一偏误也不能消除。
即使X2和X3不相关，可以证明
E a1 B1 B3 X3 b32 X2
(2)不a1会和消a2不失是。一致的，无论样本容量有多大，偏差
(3)偏如的果和X2一和致X的3不。相但关a，1仍即然co是v(有X2偏,X的3)=。0，则a2是无
遗漏相关变量的后果
(4)根据模型(2)估计的误差项的方差是真实误差方差s2 的有偏估计量。
符合经济理论的预测。 预测能力(predictive power)：
模型设定误差的类型
遗漏相关变量(omitted variables) 加入多余变量(irrelevant variables) 不正确的函数形式(misspecifications) 度量误差(measurement errors)
E
var
a2
var
b2
B32
n 2
x32t x22t
var b2
即，遗漏变量使var(a2)高估了真实值b2的方差。 如果X2和X3相关，则var(a2)会低估真实值b2的方差。
(6)因此，通常的置信区间和假设检验过程也不再可靠。
遗漏相关变量的后果：例子
美国进口支出函数分析
Yt=B1+B2Xt+B3t3t+ut
误差。从而对应的t检验值变大。从而更容易拒绝 原假设。
加入多余变量(irrelevant variables)
考虑真实模型
Yt=B1+B2X2t+ut
(3)
估计时设定模型形式为
Yt=A1+A2X2t+A3X3t+vt
(4)
根据经济理论，X3不应加入模型
加入多余变量
(1)错误设定模型2参数的估计量仍然是无偏的和 一致的。即E(a1)=B1, E(a2)=B2, E(a3)=0.
(1)错误设定模型表明，个人可支配收入每增加1美元，
进E费(a口倾2)支向=BB出22+。将B增3b3加2<约B20,即.25错美误元设。定b3模=-型23会.19低5<估0边, b际32>消0,
(2)截距也有偏差 (3)误差项的方差的估计量有偏：真实的为184，错误
设定估计的为475。 由于变量x和t相关，所以错误模型2会低估系数的标准
计量经济学家Harvey提出下面几个标准：
简约性(parsimony)：简单优于复杂。 可识别性(identifiability)：给定数据，参数的估计具有
惟一性。 拟合优度(goodness of fit)：模型对数据的解释力。 理论一致性(theoretical consistency)：估计的参数要
遗漏相关变量(omitted variables)
考虑真实模型（例13.1）
Yt=B1+B2X2t+B3X3t+ut
(1)
Y：进口支出
X2：个人可支配收入（PDI） X3：时间或趋势变量，取值1,…,20代表1968~1987年。
估计时设定模型形式为
Yt=A1+A2X2t+vt
(2)
遗漏相关变量的后果
(2)利用错误设定模型(4)估计的误差方差仍然是 正确的估计值。
(3)E[var(a2)]=var(b2), 即模型(4)的估计量的方差 仍然是真实估计量方差的无偏估计量。从而， 通常的t检验和F检验仍然有效。
(4)但是一般情况下，var(a2)>var(b2)，除非加入 的多余变量X3与X2不相关。
也就是说，加入多余变量，OLS估计量仍然是线 性无偏的估计量，但不是BLUE估计量。
加入多余变量:例子
研发费用与销售额的关系 真实模型
rdexp= B1+B2sales+u rdexp研发费用支出 sales销售额
错误模型
rdexp= A1+A2sales+A3sales2+ v
先估计真实模型(3) 再估计错误模型(4)