計(jì)量經(jīng)濟(jì)學(xué)5專(zhuān)門(mén)問(wèn)題

1、第五章第五章 經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：專(zhuān)門(mén)問(wèn)題專(zhuān)門(mén)問(wèn)題 5.1 5.1 虛擬變量模型虛擬變量模型 5.2 5.2 滯后變量模型滯后變量模型 5.3 5.3 模型設(shè)定誤差模型設(shè)定誤差5.1 5.1 虛擬變量模型虛擬變量模型Dummy Variables Regression Models 一、虛擬變量的基本含義一、虛擬變量的基本含義 二、虛擬變量的引入二、虛擬變量的引入 三、虛擬變量的設(shè)置原則三、虛擬變量的設(shè)置原則一、虛擬變量的基本含義一、虛擬變量的基本含義1 1、虛擬變量、虛擬變量（dummy variables） 許多經(jīng)濟(jì)變量是許多經(jīng)濟(jì)變量是可以定量度量可以定量度

2、量。 一些影響經(jīng)濟(jì)變量的因素是一些影響經(jīng)濟(jì)變量的因素是無(wú)法定量度量。無(wú)法定量度量。 為了在模型中能夠反映這些因素的影響，并提高為了在模型中能夠反映這些因素的影響，并提高模型的精度，需要將它們模型的精度，需要將它們“量化量化”。 這種這種“量化量化”通常是通過(guò)引入通常是通過(guò)引入“虛擬變量虛擬變量”來(lái)完來(lái)完成的。根據(jù)這些因素的屬性類(lèi)型，成的。根據(jù)這些因素的屬性類(lèi)型，構(gòu)造只取構(gòu)造只取“0”或或“1”的人工變量的人工變量，通常稱(chēng)為，通常稱(chēng)為虛擬變量虛擬變量，記為，記為D。 虛擬變量只作為解釋變量。虛擬變量只作為解釋變量。 一般地，在虛擬變量的設(shè)置中：一般地，在虛擬變量的設(shè)置中： 基礎(chǔ)類(lèi)型、肯定類(lèi)型取值

3、為基礎(chǔ)類(lèi)型、肯定類(lèi)型取值為1； 比較類(lèi)型，否定類(lèi)型取值為比較類(lèi)型，否定類(lèi)型取值為0。 例如，反映文程度的虛擬變量可取為例如，反映文程度的虛擬變量可取為： D=1，本科學(xué)歷，本科學(xué)歷 D=0，非本科學(xué)歷，非本科學(xué)歷 虛擬變量能否取虛擬變量能否取1 1、0 0以外的數(shù)值？以外的數(shù)值？2 2、虛擬變量模型、虛擬變量模型 同時(shí)含有一般解釋變量與虛擬變量的模型稱(chēng)為同時(shí)含有一般解釋變量與虛擬變量的模型稱(chēng)為虛擬變量模型或者方差分析（虛擬變量模型或者方差分析（analysis-of variance: ANOVA）模型。）模型。 例如，一個(gè)以性別為虛擬變量考察企業(yè)職工薪金的模型：iiiiDXY210其中：Yi

4、為企業(yè)職工的薪金；Xi為工齡； Di=1，若是男性，Di=0，若是女性。二、虛擬變量的引入二、虛擬變量的引入1 1、加法方式、加法方式 虛擬變量作為解釋變量引入模型有兩種基本方虛擬變量作為解釋變量引入模型有兩種基本方式：式：加法方式加法方式和和乘法方式乘法方式。 上述企業(yè)職工薪金模型中性別虛擬變量的引入上述企業(yè)職工薪金模型中性別虛擬變量的引入采取了加法方式。采取了加法方式。 在該模型中，如果仍假定E(i)=0，則企業(yè)男、企業(yè)男、女職工的平均薪金為：女職工的平均薪金為：iiiiXDXYE10)0,|(iiiiXDXYE120)() 1,|( 假定20，則兩個(gè)函數(shù)有相同的斜率，但有不同的截距。意即

5、，男女職工平均薪金對(duì)工齡的變化率是一樣的，但兩者的平均薪金水平相差2。 可以通過(guò)對(duì)2的統(tǒng)計(jì)顯著性進(jìn)行檢驗(yàn)，以判斷企業(yè)男女職工的平均薪金水平是否有顯著差異。 年薪Y(jié) 男職工 女職工 工齡X02 將上例中的性別換成教育水平，教育水平考慮三個(gè)層次：高中以下、高中、大學(xué)及其以上。 011D 其他高中 012D 其他大學(xué)及其以上iiiDDXY231210iiiXDDXYE1021) 0, 0,|(iiiXDDXYE12021)() 0, 1,|(iiiXDDXYE13021)() 1, 0,|(高中以下高中大學(xué)及以上 在上例中同時(shí)引入性別和教育水平：女男011D大學(xué)以下大學(xué)及以上012DiiiDDXY2

6、31210女職工本科以下學(xué)歷的平均薪金：iiiXDDXYE13021)() 1, 0,|(女職工本科以上學(xué)歷的平均薪金：iiiXDDXYE132021)() 1, 1,|(iiiXDDXYE1021)0, 0,|(iiiXDDXYE12021)()0, 1,|(男職工本科以下學(xué)歷的平均薪金：男職工本科以上學(xué)歷的平均薪金：2 2、乘法方式、乘法方式 加法方式引入虛擬變量，考察：截距的不同。加法方式引入虛擬變量，考察：截距的不同。 許多情況下，斜率發(fā)生變化，或斜率、截距同時(shí)許多情況下，斜率發(fā)生變化，或斜率、截距同時(shí)發(fā)生變化。發(fā)生變化。 斜率的變化可通過(guò)以乘法的方式引入虛擬變量來(lái)斜率的變化可通過(guò)以乘

7、法的方式引入虛擬變量來(lái)測(cè)度測(cè)度。 例如，例如，根據(jù)消費(fèi)理論，收入決定消費(fèi)。但是，農(nóng)村居民和城鎮(zhèn)居民的邊際消費(fèi)傾向往往是不同的。這種消費(fèi)傾向的不同可通過(guò)在消費(fèi)函數(shù)中引入虛擬變量來(lái)考察。城鎮(zhèn)居民農(nóng)村居民01iDiiiiiXDXC210iiiiXDXCE)() 1,|(210iiiiXDXCE10) 0,|(農(nóng)村居民：城鎮(zhèn)居民： 例如，例如，根據(jù)消費(fèi)理論，收入決定消費(fèi)。但是，在自然災(zāi)害、戰(zhàn)爭(zhēng)等反常年份，消費(fèi)傾向往往發(fā)生變化。這種消費(fèi)傾向的變化可通過(guò)在消費(fèi)函數(shù)中引入虛擬變量來(lái)考察。tttttXDXC210ttttXDXCE)() 1,|(210ttttXDXCE10)0,|(反常年份正常年份01tD

8、例如，例如，根據(jù)消費(fèi)理論，收入決定消費(fèi)。但是，從某一個(gè)時(shí)點(diǎn)開(kāi)始，消費(fèi)傾向發(fā)生變化。這種消費(fèi)傾向的變化也可通過(guò)在消費(fèi)函數(shù)中引入虛擬變量來(lái)考察。tttttXDXC210ttttXDXCE)() 1,|(210ttttXDXCE10)0,|(*01ttttDt3 3、同時(shí)引入加法與乘法形式的虛擬變量、同時(shí)引入加法與乘法形式的虛擬變量 當(dāng)截距與斜率發(fā)生變化時(shí)，則需要同時(shí)引入加當(dāng)截距與斜率發(fā)生變化時(shí)，則需要同時(shí)引入加法與乘法形式的虛擬變量。法與乘法形式的虛擬變量。 對(duì)于一元模型，有兩組樣本，則有可能出現(xiàn)下述四種情況中的一種： 1=1 ，且2=2 ，即兩個(gè)回歸相同，稱(chēng)為重合回重合回歸歸（Coinciden

9、t Regressions）； 11 ,但2=2 ，即兩個(gè)回歸的差異僅在其截距，稱(chēng)為平行回歸平行回歸（Parallel Regressions）; 1=1 ，但22 ，即兩個(gè)回歸的差異僅在其斜率，稱(chēng)為匯合回歸匯合回歸(Concurrent Regressions)； 11，且22 ，即兩個(gè)回歸完全不同，稱(chēng)為相異相異回歸回歸（Dissimilar Regressions）。 例如，以1978-2009年的數(shù)據(jù)為樣本，以GDP作為解釋變量，建立居民消費(fèi)函數(shù)。根據(jù)分析，1992年前后，自發(fā)消費(fèi)和消費(fèi)率都可能發(fā)生變化。年及以后年前920921tD通過(guò)統(tǒng)計(jì)檢驗(yàn)，判斷兩個(gè)時(shí)期中消費(fèi)函數(shù)的截距和斜率是否發(fā)生

10、變化。2009,1978)(3210tGDPDDGDPCtttttt 例5.1.1以中國(guó)2007年各個(gè)地區(qū)城鎮(zhèn)居民家庭人均可支配收入與人均生活消費(fèi)支出，以及農(nóng)村居民家庭人均純收入與人均生活消費(fèi)支出的相關(guān)數(shù)據(jù)，建立居民消費(fèi)函數(shù)模型。 可以采用鄒氏穩(wěn)定性檢驗(yàn)來(lái)考察農(nóng)村居民與城鎮(zhèn)居民邊際消費(fèi)傾向是否有差異。 也可以建立虛擬變量模型，考察農(nóng)村居民與城鎮(zhèn)居民邊際消費(fèi)傾向是否有差異。iiiiiiXDDXY)(431010iD農(nóng)村居民城鎮(zhèn)居民 估計(jì)得到iiiiiXDDXY0275. 014.2716920. 033.450由變量顯著性檢驗(yàn)得到：由變量顯著性檢驗(yàn)得到：2007年農(nóng)村居民與城年農(nóng)村居民與城鎮(zhèn)居民

11、的邊際消費(fèi)傾向并無(wú)顯著差異，他們有鎮(zhèn)居民的邊際消費(fèi)傾向并無(wú)顯著差異，他們有著共同的消費(fèi)函數(shù)。著共同的消費(fèi)函數(shù)。 三、虛擬變量的設(shè)置原則三、虛擬變量的設(shè)置原則 每一每一定性變量定性變量(qualitative variable)所需的虛擬所需的虛擬變量個(gè)數(shù)要比該定性變量的變量個(gè)數(shù)要比該定性變量的狀態(tài)類(lèi)別數(shù)狀態(tài)類(lèi)別數(shù)(categories)少少1。即如果有。即如果有m種狀態(tài)，只在模型種狀態(tài)，只在模型中引入中引入m-1個(gè)虛擬變量。個(gè)虛擬變量。 例如，季節(jié)定性變量有春、夏、秋、冬例如，季節(jié)定性變量有春、夏、秋、冬4種狀種狀態(tài)，只需要設(shè)置態(tài)，只需要設(shè)置3個(gè)虛變量：個(gè)虛變量：其它秋季其它夏季其它春季010

12、101321DDD如果設(shè)置第如果設(shè)置第4個(gè)虛變量，則出現(xiàn)個(gè)虛變量，則出現(xiàn)“虛擬變量陷井虛擬變量陷井”（Dummy Variable Trap），為什么？），為什么？ 包含季節(jié)變量的正確模型：ttttktkttDDDXXY332211110tttttktkttDDDDXXY44332211110D)(X,Y0001110001010010010100011),(616414313212111kkkkkXXXXXXXXXXDX解釋變解釋變量完全量完全共線性共線性 如果在服裝需求函數(shù)模型中必須包含如果在服裝需求函數(shù)模型中必須包含3個(gè)定性個(gè)定性變量：季節(jié)（變量：季節(jié)（4種狀態(tài)）、性別（種狀態(tài)）、性別（

13、2種狀態(tài)）、種狀態(tài)）、職業(yè)（職業(yè)（5種狀態(tài)），種狀態(tài)），應(yīng)該設(shè)置多少虛變量？應(yīng)該設(shè)置多少虛變量？ 模型含常數(shù)項(xiàng)模型含常數(shù)項(xiàng) 模型不含常數(shù)項(xiàng)模型不含常數(shù)項(xiàng)討論：定序定性變量可否按照狀態(tài)賦值？討論：定序定性變量可否按照狀態(tài)賦值？ 例如：表示居民對(duì)某種服務(wù)的滿(mǎn)意程度，分例如：表示居民對(duì)某種服務(wù)的滿(mǎn)意程度，分5種狀態(tài)：種狀態(tài)：非常不滿(mǎn)意、一般不滿(mǎn)意、無(wú)所謂、一般滿(mǎn)意、非常非常不滿(mǎn)意、一般不滿(mǎn)意、無(wú)所謂、一般滿(mǎn)意、非常滿(mǎn)意。在模型中按照狀態(tài)分別賦值滿(mǎn)意。在模型中按照狀態(tài)分別賦值0、1、2、3、4或者或者2、1、0、1、2。 被經(jīng)常采用，尤其在管理學(xué)、社會(huì)學(xué)研究領(lǐng)域。被經(jīng)常采用，尤其在管理學(xué)、社會(huì)學(xué)研究領(lǐng)

14、域。 正確的方法：正確的方法： 設(shè)置多個(gè)虛擬變量，理論上正確，帶來(lái)自由度損失。設(shè)置多個(gè)虛擬變量，理論上正確，帶來(lái)自由度損失。 以定性變量為研究對(duì)象，構(gòu)造多元排序離散選擇模型，然后以定性變量為研究對(duì)象，構(gòu)造多元排序離散選擇模型，然后以模型結(jié)果對(duì)定性變量的各種狀態(tài)賦值。但需要更多的信息以模型結(jié)果對(duì)定性變量的各種狀態(tài)賦值。但需要更多的信息支持。支持。討論：虛變量與狀態(tài)的不同對(duì)應(yīng)關(guān)系對(duì)估討論：虛變量與狀態(tài)的不同對(duì)應(yīng)關(guān)系對(duì)估計(jì)結(jié)果有無(wú)影響？計(jì)結(jié)果有無(wú)影響？ 例例3.2.2中引入經(jīng)濟(jì)區(qū)位因素：東、中、西中引入經(jīng)濟(jì)區(qū)位因素：東、中、西其它中部其它東部其它中部其它西部012011012011DDDDDDY =

15、 9.198829575 - 249.8125832*DD1 - 95.22159634*DD2 + 0.6090284838*X1 + 0.2032206892*X2Y = -240.6137536 + 249.8125832*D1 + 154.5909868*D2 + 0.6090284838*X1 + 0.2032206892*X2從上述從上述2個(gè)得到：東部與中部自發(fā)性消費(fèi)相差個(gè)得到：東部與中部自發(fā)性消費(fèi)相差154.6，中部與西部相差，中部與西部相差95.2。虛變量與狀態(tài)的不同對(duì)應(yīng)關(guān)系對(duì)估計(jì)結(jié)果無(wú)影虛變量與狀態(tài)的不同對(duì)應(yīng)關(guān)系對(duì)估計(jì)結(jié)果無(wú)影響。響。5.2 5.2 滯后變量模型滯后變量模型L

16、agged Variables Regression Models 一、滯后變量模型一、滯后變量模型 二、分布滯后模型的參數(shù)估計(jì)二、分布滯后模型的參數(shù)估計(jì) 三、自回歸模型的參數(shù)估計(jì)三、自回歸模型的參數(shù)估計(jì)四、格蘭杰因果關(guān)系檢驗(yàn)四、格蘭杰因果關(guān)系檢驗(yàn) 一、滯后變量模型一、滯后變量模型1 1、滯后變量、滯后變量 滯后被解釋變量（滯后被解釋變量（Lagged explained variable ）和滯后解釋變量（和滯后解釋變量（ Lagged explanatory variable ）作為模型的解釋變量。）作為模型的解釋變量。 一般出現(xiàn)在時(shí)間序列數(shù)據(jù)樣本的模型中。一般出現(xiàn)在時(shí)間序列數(shù)據(jù)樣本的模型

17、中。 模型中出現(xiàn)滯后變量的原因模型中出現(xiàn)滯后變量的原因: 心理原因心理原因 技術(shù)原因技術(shù)原因 制度原因制度原因2 2、滯后變量模型、滯后變量模型 以滯后變量作為解釋變量，就得到滯后變量模型，滯后變量模型，也稱(chēng)動(dòng)態(tài)模型也稱(chēng)動(dòng)態(tài)模型。 自回歸分布滯后模型自回歸分布滯后模型（Autoregressive Distributed Lag Model, ADL）：既含有Y對(duì)自身滯后變量的回歸，還包括著X分布在不同時(shí)期的滯后變量。 有限自回歸分布滯后模型：有限自回歸分布滯后模型：滯后期長(zhǎng)度有限 無(wú)限自回歸分布滯后模型：無(wú)限自回歸分布滯后模型：滯后期無(wú)限 tststtqtqtttXXXYYYY1102211

18、0 分布滯后模型（分布滯后模型（distributed-lag model） ：模型中沒(méi)有滯后被解釋變量，僅有解釋變量X的當(dāng)期值及其若干期的滯后值。titisitXY00：短期短期(short-run)或即期乘數(shù)即期乘數(shù)(impact multiplier)，表示本期X變化一單位對(duì)Y平均值的影響程度。 i (i=1,2,s)：動(dòng)態(tài)乘數(shù)動(dòng)態(tài)乘數(shù)或延遲系數(shù)延遲系數(shù)，表示各滯后期X的變動(dòng)對(duì)Y平均值影響的大小。如果各期的X值保持不變，則X與Y間的長(zhǎng)期或均衡關(guān)系即為sii0稱(chēng)為長(zhǎng)期長(zhǎng)期（long-run）或均衡乘數(shù)均衡乘數(shù)（total distributed-lag multiplier），表示X變動(dòng)一

19、個(gè)單位，由于滯后效應(yīng)而形成的對(duì)Y平均值總影響的大小。 XYEsii)()(0 自回歸模型自回歸模型（autoregressive model） ：模型中的解釋變量?jī)H包含X的當(dāng)期值與被解釋變量Y的一個(gè)或多個(gè)滯后值。tqiitittYXY110ttttYXY1210稱(chēng)為一階自回歸模型一階自回歸模型（first-order autoregressive model）。二、分布滯后模型的參數(shù)估計(jì)二、分布滯后模型的參數(shù)估計(jì)1 1、分布滯后模型估計(jì)的困難、分布滯后模型估計(jì)的困難 無(wú)限期的分布滯后模型無(wú)限期的分布滯后模型，由于樣本觀測(cè)值的有，由于樣本觀測(cè)值的有限性，使得無(wú)法直接對(duì)其進(jìn)行估計(jì)。限性，使得無(wú)法直

20、接對(duì)其進(jìn)行估計(jì)。 有限期的分布滯后模型有限期的分布滯后模型，OLSOLS會(huì)遇到如下問(wèn)題：會(huì)遇到如下問(wèn)題： 沒(méi)有先驗(yàn)準(zhǔn)則確定滯后期長(zhǎng)度；沒(méi)有先驗(yàn)準(zhǔn)則確定滯后期長(zhǎng)度； 如果滯后期較長(zhǎng)，將缺乏足夠的自由度進(jìn)行估計(jì)和如果滯后期較長(zhǎng)，將缺乏足夠的自由度進(jìn)行估計(jì)和檢驗(yàn)；檢驗(yàn)；同名變量滯后值之間可能存在高度線性相關(guān)，即模同名變量滯后值之間可能存在高度線性相關(guān)，即模型存在高度的多重共線性。型存在高度的多重共線性。 2 2、分布滯后模型的修正估計(jì)方法、分布滯后模型的修正估計(jì)方法 通過(guò)對(duì)各滯后變量加權(quán)，組成線性合成變量而通過(guò)對(duì)各滯后變量加權(quán)，組成線性合成變量而有目的地減少滯后變量的數(shù)目，以緩解多重共有目的地減少滯

21、后變量的數(shù)目，以緩解多重共線性，保證自由度。線性，保證自由度。 經(jīng)驗(yàn)加權(quán)法：經(jīng)驗(yàn)加權(quán)法：根據(jù)實(shí)際問(wèn)題的特點(diǎn)和實(shí)際經(jīng)驗(yàn)給各滯后變量指定權(quán)數(shù)，滯后變量按權(quán)數(shù)線性組合，構(gòu)成新的變量。 權(quán)數(shù)據(jù)的類(lèi)型有：遞減型、遞減型、矩型、倒矩型、倒V V型等。型等。 經(jīng)驗(yàn)權(quán)數(shù)法經(jīng)驗(yàn)權(quán)數(shù)法的優(yōu)點(diǎn)優(yōu)點(diǎn)是：簡(jiǎn)單易行；缺點(diǎn)缺點(diǎn)是：設(shè)置權(quán)數(shù)的隨意性較大。 阿爾蒙（阿爾蒙（Almon）多項(xiàng)式法）多項(xiàng)式法 主要思想：主要思想：針對(duì)有限滯后期模型，通過(guò)阿爾蒙針對(duì)有限滯后期模型，通過(guò)阿爾蒙變換，定義新變量，以減少解釋變量個(gè)數(shù)，然變換，定義新變量，以減少解釋變量個(gè)數(shù)，然后用后用OLSOLS法估計(jì)參數(shù)。法估計(jì)參數(shù)。 主要步驟為：主要步驟

22、為： 第一步，阿爾蒙變換第一步，阿爾蒙變換titisitXY0i=0,1,s mkkkii0)(221020)()()(iiikkki例如取m=2 sititkkktXiY020)(tsiitsiitsiitXiXiX0220100)()(tttttWWWY221100第二步，模型的第二步，模型的OLS估計(jì)估計(jì)對(duì)變換后的模型進(jìn)行對(duì)變換后的模型進(jìn)行OLS估計(jì)，得估計(jì)，得的估計(jì)值；的估計(jì)值；計(jì)算滯后分布模型參數(shù)計(jì)算滯后分布模型參數(shù)的估計(jì)值。的估計(jì)值。在實(shí)際估計(jì)中，阿爾蒙多項(xiàng)式的階數(shù)m一般取2或3，不超過(guò)4，否則達(dá)不到減少變量個(gè)數(shù)的目的。由于mF (m,n-k) ，則拒絕原假設(shè)。，則拒絕原假設(shè)。能否

23、說(shuō)能否說(shuō)“X X是是Y Y的格蘭杰原因的格蘭杰原因”？為什么？為什么？如果如果FF (m,n-k) ，則不拒絕原假設(shè)。，則不拒絕原假設(shè)。綜合上述檢驗(yàn)：綜合上述檢驗(yàn)： X X是是Y Y的格蘭杰原因。的格蘭杰原因。titmiimiititXYX211012:0mH)/(/)(knRSSmRSSRSSFUUR 格蘭杰因果關(guān)系檢驗(yàn)對(duì)于滯后期長(zhǎng)度的選擇有格蘭杰因果關(guān)系檢驗(yàn)對(duì)于滯后期長(zhǎng)度的選擇有時(shí)很敏感。不同的滯后期可能會(huì)得到完全不同時(shí)很敏感。不同的滯后期可能會(huì)得到完全不同的檢驗(yàn)結(jié)果。的檢驗(yàn)結(jié)果。 一般首先以模型隨機(jī)誤差項(xiàng)不存在序列相關(guān)為一般首先以模型隨機(jī)誤差項(xiàng)不存在序列相關(guān)為標(biāo)準(zhǔn)選取滯后期，然后進(jìn)行因果

24、關(guān)系檢驗(yàn)。標(biāo)準(zhǔn)選取滯后期，然后進(jìn)行因果關(guān)系檢驗(yàn)。 3、例例5.2.4 檢驗(yàn)19782006年間中國(guó)當(dāng)年價(jià)GDP（X）與居民消費(fèi)(Y)之間的因果關(guān)系。 數(shù)據(jù)數(shù)據(jù)選擇選擇Granger檢驗(yàn)檢驗(yàn)選擇檢驗(yàn)的序列選擇檢驗(yàn)的序列確定滯后階數(shù)（確定滯后階數(shù)（1階）階）檢驗(yàn)結(jié)果檢驗(yàn)結(jié)果 由相伴概率知，在5%的顯著性水平下，既拒絕“X不是Y的格蘭杰原因”的假設(shè),也拒絕“Y不是X的格蘭杰原因”的假設(shè)。因此，從1階滯后的情況看，可支配收入X的增長(zhǎng)與居民消費(fèi)支出Y增長(zhǎng)互為格蘭杰原因。 從檢驗(yàn)?zāi)Ｐ碗S機(jī)干擾項(xiàng)1階序列相關(guān)的LM檢驗(yàn)看，以Y為被解釋變量的模型的LM=0.897，對(duì)應(yīng)的伴隨概率P= 0.343，表明在5%的顯

25、著性水平下，該檢驗(yàn)?zāi)Ｐ筒淮嬖谛蛄邢嚓P(guān)性；但是，以X為被解釋變量的模型的LM=11.37，對(duì)應(yīng)的伴隨概率P= 0.001，表明在5%的顯著性水平下，該檢驗(yàn)?zāi)Ｐ痛嬖趪?yán)重的序列相關(guān)性。檢驗(yàn)結(jié)果檢驗(yàn)結(jié)果 從2階滯后期開(kāi)始，檢驗(yàn)?zāi)Ｐ投季芙^了“X不是Y的格蘭杰原因”的假設(shè)，而不拒絕“Y不是X的原因”的假設(shè)。 滯后階數(shù)為2或3時(shí)，兩類(lèi)檢驗(yàn)?zāi)Ｐ投疾淮嬖谛蛄邢嚓P(guān)性。 由赤池信息準(zhǔn)則，發(fā)現(xiàn)滯后2階檢驗(yàn)?zāi)Ｐ蛽碛休^小的AIC值。 可判斷：可支配收入可支配收入X是居民消費(fèi)支出是居民消費(fèi)支出Y的格蘭杰原因，而不是相反，的格蘭杰原因，而不是相反，即國(guó)民收入的增加更大程度地影響著消費(fèi)的增加。即國(guó)民收入的增加更大程度地影響著消

26、費(fèi)的增加。 對(duì)于同階單整的非平穩(wěn)序列：對(duì)于同階單整的非平穩(wěn)序列： 理論上講不能直接采用。理論上講不能直接采用。 經(jīng)過(guò)差分以后采用，經(jīng)濟(jì)意義發(fā)生變化。經(jīng)過(guò)差分以后采用，經(jīng)濟(jì)意義發(fā)生變化。 模擬試驗(yàn)表明，當(dāng)模擬試驗(yàn)表明，當(dāng)2個(gè)序列逐漸由平穩(wěn)過(guò)程向非平穩(wěn)過(guò)個(gè)序列逐漸由平穩(wěn)過(guò)程向非平穩(wěn)過(guò)程過(guò)渡時(shí)，檢驗(yàn)存在因果關(guān)系的概率出現(xiàn)一定程度的程過(guò)渡時(shí)，檢驗(yàn)存在因果關(guān)系的概率出現(xiàn)一定程度的上升。但上升幅度遠(yuǎn)小于上升。但上升幅度遠(yuǎn)小于2個(gè)序列之間因果關(guān)系的顯著個(gè)序列之間因果關(guān)系的顯著性增強(qiáng)時(shí)所引起的上升幅度。性增強(qiáng)時(shí)所引起的上升幅度。 同階單整非平穩(wěn)序列的同階單整非平穩(wěn)序列的Granger因果檢驗(yàn)結(jié)果具有一定因果檢

27、驗(yàn)結(jié)果具有一定的可靠性。的可靠性。 Granger因果檢驗(yàn)是必要條件，不是充分條件。因果檢驗(yàn)是必要條件，不是充分條件。數(shù)據(jù)數(shù)據(jù)檢驗(yàn)結(jié)果檢驗(yàn)結(jié)果 統(tǒng)計(jì)檢驗(yàn)必須建立在經(jīng)濟(jì)關(guān)系分析的基礎(chǔ)之上統(tǒng)計(jì)檢驗(yàn)必須建立在經(jīng)濟(jì)關(guān)系分析的基礎(chǔ)之上，結(jié)論才有意義。，結(jié)論才有意義。5.3 5.3 模型設(shè)定偏誤問(wèn)題模型設(shè)定偏誤問(wèn)題 Model Specification Error(Bias)一、模型設(shè)定偏誤的類(lèi)型一、模型設(shè)定偏誤的類(lèi)型 二、模型設(shè)定偏誤的后果二、模型設(shè)定偏誤的后果 三、模型設(shè)定偏誤的檢驗(yàn)三、模型設(shè)定偏誤的檢驗(yàn) 一、模型設(shè)定偏誤的類(lèi)型一、模型設(shè)定偏誤的類(lèi)型Types of Specification er

28、rors(bias) Omission of a relevant variable(s) Inclusion of an unnecessary variable(s) Adopting the wrong functional form Errors of measurement Incorrect specification of the stochastic error termTo distinguish between model specification errors and model mis-specification errors 1、相關(guān)變量的遺漏（、相關(guān)變量的遺漏（o

29、mitting relevant variables） 例如例如，如果“正確”的模型為22110XXY而我們將模型設(shè)定為 vXY110即設(shè)定模型時(shí)漏掉了一個(gè)相關(guān)的解釋變量。這類(lèi)錯(cuò)誤稱(chēng)為遺漏相關(guān)變量遺漏相關(guān)變量。 2、無(wú)關(guān)變量的誤選、無(wú)關(guān)變量的誤選 (including irrevelant variables) 例如例如，如果“真”的模型為 Y=0+1X1+2X2+但我們將模型設(shè)定為 Y=0+ 1X1+ 2X2+ 3X3 +即設(shè)定模型時(shí)，多選了一個(gè)無(wú)關(guān)解釋變量多選了一個(gè)無(wú)關(guān)解釋變量。 3、錯(cuò)誤的函數(shù)形式、錯(cuò)誤的函數(shù)形式 (wrong functional form) 例如，如果“真實(shí)”的回歸函

30、數(shù)為 eXAXY2121但卻將模型設(shè)定為 vXXY22110二、模型設(shè)定偏誤的后果二、模型設(shè)定偏誤的后果1、遺漏相關(guān)變量偏誤遺漏相關(guān)變量偏誤（omitting relevant variable bias） 22110XXYvXY1102111iiixyxiiiixxy221121121212121221112111)()(iiiiiiiiiiiiiixxxxxxxxxxyx 如果如果X X2 2與與X X1 1相關(guān)，相關(guān)， 1 1的估計(jì)量在小樣本下有偏，的估計(jì)量在小樣本下有偏，在大樣本下非一致。在大樣本下非一致。 如果如果X X2 2與與X X1 1不相關(guān)，則不相關(guān)，則 1 1的估計(jì)量滿(mǎn)足無(wú)

31、偏性的估計(jì)量滿(mǎn)足無(wú)偏性與一致性；但這時(shí)與一致性；但這時(shí) 0 0的估計(jì)卻是有偏的。的估計(jì)卻是有偏的。 隨機(jī)擾動(dòng)項(xiàng)的方差估計(jì)也是有偏的。隨機(jī)擾動(dòng)項(xiàng)的方差估計(jì)也是有偏的。 1 1估計(jì)量的方差是有偏的。估計(jì)量的方差是有偏的。2112121211)(iiiiiixxxxx2121)(ixVar)1 ()(2212121xxirxVar2、包含無(wú)關(guān)變量偏誤、包含無(wú)關(guān)變量偏誤（including irrelevant variable bias） 對(duì)包含無(wú)關(guān)變量的模型進(jìn)行估計(jì)，參數(shù)估計(jì)量對(duì)包含無(wú)關(guān)變量的模型進(jìn)行估計(jì)，參數(shù)估計(jì)量是無(wú)偏的，但不具有最小方差性。是無(wú)偏的，但不具有最小方差性。vXY11022110

32、XXY2121)(ixVar)1 ()(2212121xxirxVar將 式的離差形式代入 整理得：期望和方差：212212122121212-iiiiiiiiiiiiix yxx yx xxxx xx x 1 1()iiiyx2211221122121212()( - )-()( - )-iiiiiiiiiiiiixxx xxxxx xx x 11E()2122112Var()(1-)ixrvXY110同理得：212121222121212()(- )-()(- )-iiiiiiiiiiiiixxx xxxxx xx x 22E()02222212Var()(1-)ixr3、錯(cuò)誤函數(shù)形式偏誤

33、、錯(cuò)誤函數(shù)形式偏誤（wrong functional form bias） 產(chǎn)生的偏誤是全方位的。產(chǎn)生的偏誤是全方位的。三、模型設(shè)定偏誤的檢驗(yàn)三、模型設(shè)定偏誤的檢驗(yàn)1、檢驗(yàn)是否含有無(wú)關(guān)變量、檢驗(yàn)是否含有無(wú)關(guān)變量 檢驗(yàn)的基本思想檢驗(yàn)的基本思想: :如果模型中誤選了無(wú)關(guān)變量，則其系數(shù)的真值應(yīng)為零。因此，只須對(duì)無(wú)關(guān)變量系數(shù)的顯著性進(jìn)行檢驗(yàn)。 t t檢驗(yàn)檢驗(yàn)：檢驗(yàn)?zāi)?個(gè)變量是否應(yīng)包括在模型中； F F檢驗(yàn)檢驗(yàn)：檢驗(yàn)若干個(gè)變量是否應(yīng)同時(shí)包括在模型中。 2 2、檢驗(yàn)是否有相關(guān)變量的遺漏或函數(shù)形、檢驗(yàn)是否有相關(guān)變量的遺漏或函數(shù)形式設(shè)定偏誤式設(shè)定偏誤 殘差圖示法殘差圖示法 殘差序列變化圖殘差序列變化圖（a）趨勢(shì)變化）趨勢(shì)變化 ：模型設(shè)定時(shí)可能遺漏了一隨著時(shí)間的推移而持續(xù)上升的變量 （b）循環(huán)變化：）循環(huán)變化：模型設(shè)定時(shí)可能遺漏了一隨著時(shí)間的推移而呈現(xiàn)循環(huán)變化的變量 模型函