《计量经济学》课程教学资源（PPT课件）第九章 设定误差与测量误差

vle计量经济学CS第九章设定误差与测量误差

1 第 九 章 设定误差与测量误差 计量经济学

ometCS引子：简单一定胜于复杂吗？西方国家盛行“Occam'srazor”原则，意思是“简单优于复杂”的节约性原则。经济模型永远无法完全把握现实，在建立模型中一定的抽象和简化是不可避免的。在研究进口与国内生产总值的关系时，考虑到时间趋势，建立并估计了以下模型IM=-172.42+0.271GDP-949.12T+160.73T2-10.18T3(2.20)t=(-0.177)(5.67)(-2.22)-2.74)R2= 0.991F=272.95DW=1.972

2 引子：简单一定胜于复杂吗? 西方国家盛行“Occam ` s razor”原则，意思是 “简单优于复杂”的节约性原则。经济模型永远 无法完全把握现实，在建立模型中一定的抽象和 简化是不可避免的。 在研究进口与国内生产总值的关系时，考虑到时 间趋势，建立并估计了以下模型 IM GDP T T T 2 3 = -172.42 + 0.271 - 949.12 + 160.73 - 10.18 t  (-0.177) (5.67) (-2.22) (2.20) (-2.74) R  0.991 F  272.95 DW  1.97 2

nometCS有人根据“简单优于复杂”原则，得到以下方程：IM=-217.186+0.173GDP(2)(-0.5)(16.94)t=R2=0.960F=286.95DW =0.735进行比较：两个方程的检验结果都较理想：方程（2）GDP的t检验值似乎优于方程星（1）：方程（2）函数形式也更为简单；然而，能否根据“Occam'srazor"原则，判断方程（2）比方程（1）好？3

3 有人根据“简单优于复杂”原则，得到以下方程： (2) 进行比较： 两个方程的检验结果都较理想； 方程（2）GDP的t检验值似乎优于方程（1）； 方程（2）函数形式也更为简单； 然而，能否根据“Occam’s razor”原则，判断方程（2）比 方程（1）好？ IM  -217.186  0.173GDP t  (-0.5) (16.94) R  F  DW  2 0.960 286.95 0.735

ometCS对模型的设定是计量经济研究的重要环节。前面各章除了对随机扰动项分布的基本假定以外，还强调：假定设定的模型对变量和函数形式的设定是正确地描述被解释变量与解释变量之间的真实关系，假定模型中的变量没有测量误差。但是在实际的建模实践中，对模型的设定不一定能够完全满足这样的要求，从而会使模型出现设定误差。4

4 对模型的设定是计量经济研究的重要环节。 前面各章除了对随机扰动项 分布的基本假定以 外，还强调: 假定设定的模型对变量和函数形式的设定是 正确地描述被解释变量与解释变量之间的真实关 系，假定模型中的变量没有测量误差。 但是在实际的建模实践中，对模型的设定不一定 能够完全满足这样的要求，从而会使模型出现设 定误差。 i u

ue第九章设定误差与测量误差8本章主要讨论：设定误差设定误差的检验测量误差

5 第九章 设定误差与测量误差 本章主要讨论: ●设定误差 ●设定误差的检验 ●测量误差

omeCS第一节设定误差本节基本内容：设定误差及类型变量设定误差的后果6

6 第一节 设定误差 本节基本内容: ●设定误差及类型 ●变量设定误差的后果

omet一、设定误差及类型计量经济模型是对变量间经济关系因果性的设想，若所设定的回归模型是“正确”的，主要任务是所选模型参数的估计和假设检验。但是如果对计量模型的各种诊断或检验总不能令人满意，这时应把注意力集中到模型的设定方面考虑所建模型是否遗漏了重要的变量？是否包含了多余的变量？所选模型的函数形式是否正确？随机扰动项的设定是否合理？变量的数据收集是否有误差？所有这些，计量经济学中被统称为设定误差。7

7 一 、设定误差及类型 计量经济模型是对变量间经济关系因果性的设想， 若所设定的回归模型是“正确”的，主要任务是所 选模型参数的估计和假设检验。但是如果对计量模 型的各种诊断或检验总不能令人满意，这时应把注 意力集中到模型的设定方面： 考虑所建模型是否遗漏了重要的变量？ 是否包含了多余的变量？ 所选模型的函数形式是否正确？ 随机扰动项的设定是否合理？ 变量的数据收集是否有误差？ 所有这些，计量经济学中被统称为设定误差

ometCS设定误差的类型从误差来源看，设定误差主要包括：（1）变量的设定误差，包括相关变量的遗漏（欠拟合）、无关变量的误选（过拟合）：(2)变量数据的测量误差(3)模型函数形式的设定误差(4)随机扰动项设定误差本章主要讨论的两类变量设定误差：（1）相关变量的遗漏（欠拟合）：（2）无关变量的误选（过拟合）。三8

8 从误差来源看，设定误差主要包括： （1）变量的设定误差，包括相关变量的遗漏 （欠拟合）、无关变量的误选（过拟合）； （2）变量数据的测量误差； （3）模型函数形式的设定误差； （4）随机扰动项设定误差。 本章主要讨论的两类变量设定误差: （1）相关变量的遗漏（欠拟合）； （2）无关变量的误选（过拟合）。 设定误差的类型

1.相关变量的遗漏ometCS(Omitting Relevant Variables）例如，如果“正确”的模型为Y=B+BX2i+B,X3i+u而我们将模型设定为Y=α+αX21+V即设定模型时漏掉了一个相关的解释变量。这类错误称为遗漏相关变量（“欠拟合”）。9

9 1. 相关变量的遗漏 （Omitting Relevant Variables） 例如，如果“正确”的模型为 而我们将模型设定为 即设定模型时漏掉了一个相关的解释变量。 这类错误称为遗漏相关变量（“欠拟合”）。 Yi  1   2X2i  3X3i  i Yi   1   2 X 2 i   i

2.天无关变量的误选oomet,(lncludingIrrevelantVariables)例如，如果“真实模型”为：Y=β+BX2i+BX3i+u但我们却将模型设定为Y=α,+α,X+αX3+αX4i+V即设定模型时，多选了一个无关解释变量。这类错误称为无关变量的误选（“过拟合”）。10

10 2. 无关变量的误选 (Including Irrevelant Variables) 例如，如果“真实模型”为： 但我们却将模型设定为 即设定模型时，多选了一个无关解释变量。这类 错误称为无关变量的误选（“过拟合”）。 Yi  1   2X2i  3X3i  i Yi 1 2X2i 3X3i 4X4i  i