第三章模型设定与数据问题
第三章 模型设定与数据问题
主要内容 ◆3.1遗漏变量 ◆3.2无关变量 ◆3,3建模策略由小到大”or'由大到小” ◆3.4解释变量个数的选择 ◆35对函数形式的检验 ◆36多重共线性 ◆3.7极端数据 ◆38虚拟变量 ◆39经济结构变动的检验 ◆310缺失数据与线性插值 ◆3,11变量单位的选择
2 主要内容 3.1 遗漏变量 3.2 无关变量 3.3建模策略:“由小到大”or“由大到小” 3.4 解释变量个数的选择 3.5 对函数形式的检验 3.6 多重共线性 3.7 极端数据 3.8 虚拟变量 3.9 经济结构变动的检验 3.10 缺失数据与线性插值 3.11 变量单位的选择
3.1遗漏变量 ◆3.1.1遗漏变量与解释变量不相关 ◆3.1.2遗漏变量与解释变量相关
3.1 遗漏变量 3.1.1 遗漏变量与解释变量不相关 3.1.2遗漏变量与解释变量相关 3
由于某些数据难以获得,遗漏变量现象几乎难以避免 假设真实的模型( (true model)为 y=a+Bx,+rx2+e (3.1) 其中,解释变量与扰动项不相关 而实际估计的模型( estimated model)为 y=a+ Bx,+u (3.2 遗漏变量( omitted variable)被归入扰动项 遗漏变量是否一定导致不一致的估计?
4 由于某些数据难以获得，遗漏变量现象几乎难以避免。 假设真实的模型(true model)为 （3.1） 其中，解释变量 与扰动项 不相关。 而实际估计的模型(estimated model)为 （3.2） 遗漏变量(omitted variable) 被归入扰动项 。 遗漏变量是否一定导致不一致的估计？
3.1.1遗漏变量与解释变量不相关 扰动项=yx2+G与解释变量x不相关,因为下面公式 Cov(r, l=Cov(, yx2+a =yCov(x,, x,)+ Cov(x,, 8) =0+0=0 (33)虽然存在遗漏变量,但OLS依然可一致地估计回 归系数。 由于遗漏变量被归入扰动项中,可能增大扰动项的方差 ,影响OLS估计的精确度
3.1.1 遗漏变量与解释变量不相关 扰动项 与解释变量 不相关，因为下面公式 （3.3）虽然存在遗漏变量，但OLS依然可一致地估计回 归系数。 由于遗漏变量被归入扰动项中，可能增大扰动项的方差 ，影响OLS估计的精确度。 5