Chapter 10 模型选择的标准及检验
Chapter 10 模型选择的标准及检验
判断模型好坏的标准( A C. Harvey 1.简约性( Parsimony) 2.可识别性( Identifiability)参数的估计唯一; 3. Goodness of fit越高越好 4.理论一致性( Theoretical consistency)与理论 或常识要一致。如在消费函数中,可支配收 入的系数一般为正; 5. Predictive power
判断模型好坏的标准（A. C. Harvey): 1. 简约性（Parsimony)； 2. 可识别性（Identifiability）参数的估计唯一； 3. Goodness of fit 越高越好； 4. 理论一致性(Theoretical consistency) 与理论 或常识要一致。如在消费函数中，可支配收 入的系数一般为正； 5. Predictive power 2 R
Model specification errors(模型设定失误) 1. Missing key independent variables true model: y=B2x2+B3x3+8 specified model y=B,x,+E (here suppose x,=x=y=0 Then ECB*)=B,+B In general, the estimator is biased Example( USing Eviews):Y支出,X—可支 配收入,Z时间趋势变量
Model specification errors（模型设定失误）: 1. Missing key independent variables true model: specified model: (here suppose ) Then In general, the estimator is biased. Example (Using Eviews)：Y—支出，X—可支 配收入，Z—时间趋势变量。 2 2 3 3 y x x = + + * * 2 2 y x = + 2 3 x x y = = = 0 * 2 3 2 2 3 2 2 ˆ ( ) x x E x = +
2. Including irrelevant variables true model y=B,x,+8 specified model: y=B2x2+B33+e It is can be proved that var(>var(B) 3.不正确的函数形式
2. Including irrelevant variables true model: specified model: It is can be proved that 3. 不正确的函数形式 2 2 y x = + * * * 2 2 3 3 y x x = + + * 2 2 var( ) var( ) 垐
设定误差的检验 1.诊断非相关变量的存在 Use t-test or f-test 2.遗漏变量和不正确的函数形式的检验 1)R2 2) t-statistic 3)与预期比较,估计系数的符号 4) DW-statistic 5)预测误差
设定误差的检验 1. 诊断非相关变量的存在 Use t-test or F-test 2. 遗漏变量和不正确的函数形式的检验 1） ； 2）t-statistic 3) 与预期比较，估计系数的符号 4）DW-statistic 5) 预测误差 2 R