§5.3模型设定偏误问题 、模型设定偏误的类型 、模型设定偏误的后果 三、模型设定偏误的检验
§5.3 模型设定偏误问题 一、模型设定偏误的类型 二、模型设定偏误的后果 三、模型设定偏误的检验
模型设定偏误的类型 模型设定偏误主要有两大类 (1)关于解释变量选取的偏误,主要包括漏 选相关变量和多选无关变量, (2)关于模型函数形式选取的偏误
一、模型设定偏误的类型 • 模型设定偏误主要有两大类: (1)关于解释变量选取的偏误，主要包括漏 选相关变量和多选无关变量， (2)关于模型函数形式选取的偏误
1、相关变量的遗漏 (omitting relevant variables 例如,如果“正确”的模型为 Y=B0+B1X1+B2X2+ 而我们将模型设定为 Y=ata,+y 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 动态设定偏误( dynamic mis-specification):遗 漏相关变量表现为对Y或X滞后项的遗漏
1、相关变量的遗漏 （omitting relevant variables） • 例如，如果“正确”的模型为 Y = 0 + 1 X1 + 2 X2 + 而我们将模型设定为 Y = + X + v 0 1 1 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。 • 动态设定偏误（dynamic mis-specification）:遗 漏相关变量表现为对Y或X滞后项的遗漏
2、无关变量的误选 (including irrevelant variables) 例如,如果 Y=阝0+B1x1+B2×2+u 仍为“真”,但我们将模型设定为 Y=00+a1X1+a2×2+3X3+u 即设定模型时,多选了一个无关解释变量
2、无关变量的误选 (including irrevelant variables) • 例如，如果 Y=0+1X1+2X2+ 仍为“真” ，但我们将模型设定为 Y=0+ 1X1+ 2X2+ 3X3 + 即设定模型时，多选了一个无关解释变量
3、错误的函数形式 (wrong functional form 例如,如果“真实”的回归函数为 Y=AX PIXBeu 但却将模型设定为 Y=B6+B1X1+B2X2+
3、错误的函数形式 (wrong functional form) • 例如，如果“真实”的回归函数为 Y AX X e 1 2 = 1 2 但却将模型设定为 Y = + X + X + v 0 1 1 2 2