1、第八章傳統計量經濟學的建模方法論建立模型的根本準那么：1，節省性。即模型越簡單越好。2，識別性。對于給定的一組數據，估計的參數必需有獨一的一組值。3，擬合優度。經過模型中的解釋變量，盡能夠多地解釋被解釋變量的變異情況，即比較高的經過校正的R2。當然，高R2假設與估計的參數和先驗的符號結合起來思索就更好了設定偏誤 當人們估計了一個模型后，會利用我們前面講過的方法去進展判別，能否存在自相關、異方差問題，假設排除或處理了這些問題，估計的結果照舊存在問題，如無法經過t 檢驗或F檢驗，參數估計的符號與先驗不符，決議系數偏低等。這時人們會思索模型能否出現了設定誤差顧名思義，設定誤差指模型建立過程中由于人為

2、的錯誤或忽略而導致的偏向。設定誤差的主要類型包括：1，漏掉一個重要變量2，包括一個無關緊要的變量3，錯誤的函數方式4，丈量誤差出現設定誤差的后果1，漏掉了重要變量，假設真實的模型是： y=1x1+ 2 x2+ 而我們建立的模型是： y=1 x1+ 即漏掉了一個變量 根據最小二乘法， 1 hat= x1 y/ x1 2 x1 1x1+ 2 x2+ / x1 2 1+ 2 x1 x2 / x1 2 + x1 / x1 2 E(1 hat)= 1+ 2 x1 x2 / x1 2 由于E( x1 )=0所以參數的估計不是無偏的。包括了無關緊要的變量假設真實的模型是：y=1 x1+而估計的模型是：y=1

3、x1+ 2 x2+1 hat(S22S1y-S12S2y)/(S11S22-S122)2hat(S11S2y-S12S1y)/(S11S22-S122) S11= x1 2 ，S1y x1 y ，S12 x1 x2 ，以此類推。又由于y=1 x1+ 所以E S1y)=E( x1 y )=E x1 (1 x1+) 1 S11 E S2y) 1 S12 E(1 hat)= 1 E(2 hat)= 2 參數估計是無偏的，但是問題是方差估計變大，使統計推斷即檢驗出現問題。關于丈量誤差1, 被解釋變量Y存在丈量上的誤差Yi*=+Xi+ i 1Yi*是永久消費Xi當前收入永久消費不可觀測，運用當前消費來替

4、代Yi= Yi*vi 所以估計的模型變成了： Yi= Yi*vi +Xi+ ivi +Xi+ivi 2 從第一個方程：Var(hat)=2 / x2 從第二個方程： Var(hat)=2 2 v )/ x2 估計照舊是無偏的，但是，估計參數的方差大于沒有丈量誤差時的方差。2,解釋變量x丈量上的誤差Yi=+Xi*+ i (1)Yi是當前消費Xi*永久收入，假設我們可以觀測到的是Xi Xi* w iYi=+Xi*+ i = +(Xi- w i) + i = + Xi +(i - w i ) = + Xi + z i (2)方程2中的誤差項與解釋變量不再是不相關的。 Cov(xi zi)=E (zi

5、 E(zi) xi E(xi ) =E(i - w i ) (w i ) = - 2 w 因此破壞了古典回歸的假設前提。設定誤差的檢驗一，判別能否出現無關緊要的變量最簡單的方法是運用t檢驗來判別某一變量能否應該被包含進來；假設疑心兩個或以上的變量，那么運用F檢驗，如對于x3 x5檢驗H0: 3 = 5 =0但是切勿反復運用t 和F檢驗二 對脫漏變量和不正確函數方式的檢驗 現實上我們永遠不能一定哪一個模型是“真實的模型，只是當我們運用判別模型好壞的規范一一排查之后，模型照舊存在問題時，才擔憂模型的函數方式能否正確或能否漏掉了重要變量。檢驗的方法無固定，通常有三種方法：1。殘差分析，畫出不同回歸模型的x和殘差之間關系的圖形，越接近正確的函數方式，殘差越小，例