5第五章经典单方程计量经济学模型专门问题.pptx
《5第五章经典单方程计量经济学模型专门问题.pptx》由会员分享,可在线阅读,更多相关《5第五章经典单方程计量经济学模型专门问题.pptx(132页珍藏版)》请在冰点文库上搜索。
第五章第五章经典单方程计量经济学经典单方程计量经济学模型:
专门问题模型:
专门问题5.1虚拟变量虚拟变量5.2滞后变量滞后变量5.3设定误差设定误差5.4建模理论建模理论5.1虚拟变量模型虚拟变量模型一、虚拟变量的基本含义一、虚拟变量的基本含义二、虚拟变量的引入二、虚拟变量的引入三、虚拟变量的设置原则三、虚拟变量的设置原则一、虚拟变量的基本含义一、虚拟变量的基本含义许多经济变量是可以定量度量可以定量度量的,如:
如:
商品需求量、价格、收入、产量等但也有一些影响经济变量的因素无法定量度量无法定量度量,如:
如:
职业、性别对收入的影响,战争、自然灾害对GDP的影响,季节对某些产品(如冷饮)销售的影响等等。
为了在模型中能够反映这些因素的影响,并提高模型的精度,需要将它们“量化”,这种“量化”通常是通过引入“虚拟变量”来完成的。
根据这些因素的属性类型,构造只取“0”或“1”的人工变量,通常称为虚拟变量虚拟变量(dummyvariables),记为D。
例如例如,反映文程度的虚拟变量可取为,反映文程度的虚拟变量可取为:
1,本科学历D=0,非本科学历一般地,在虚拟变量的设置中:
基础类型、肯定类型取值为基础类型、肯定类型取值为1;比较类型,否定类型取值为比较类型,否定类型取值为0。
概念:
概念:
同同时时含含有有一一般般解解释释变变量量与与虚虚拟拟变变量量的的模模型型称称为为虚虚拟拟变变量量模模型型或或者者方方差差分分析析(analysis-ofvariance:
ANOVA)模型模型。
一个以性别为虚拟变量考察企业职工薪金的模型:
其中:
Yi为企业职工的薪金,Xi为工龄,Di=1,若是男性,Di=0,若是女性。
二、虚拟变量的引入二、虚拟变量的引入虚拟变量做为解释变量引入模型有两种基本方式:
加法方式加法方式和乘法方式乘法方式。
企业男职工的平均薪金为:
企业男职工的平均薪金为:
上述企业职工薪金模型中性别虚拟变量的引入采取了加法方式。
在该模型中,如果仍假定E(i)=0,则企业女职工的平均薪金为:
企业女职工的平均薪金为:
11、加法方式、加法方式几何意义:
几何意义:
假定20,则两个函数有相同的斜率,但有不同的截距。
意即,男女职工平均薪金对教龄的变化率是一样的,但两者的平均薪金水平相差2。
可以通过传统的回归检验,对2的统计显著性进行检验,以判断企业男女职工的平均薪金水平是否有显著差异。
02又例又例:
在横截面数据基础上,考虑个人保健支出对个人收入和教育水平的回归。
教育水平考虑三个层次:
高中以下,高中,大学及其以上模型可设定如下:
这时需要引入两个虚拟变量:
在E(i)=0的初始假定下,高中以下、高中、大学及其以上教育水平下个人保健支出的函数:
高中以下:
高中:
大学及其以上:
假定32,其几何意义:
还可将多个虚拟变量引入模型中以考察多种还可将多个虚拟变量引入模型中以考察多种“定定性性”因素的影响。
因素的影响。
如如在上述职工薪金的例中,再引入代表学历的虚拟变量D2:
本科及以上学历本科以下学历职工薪金的回归模型可设计为:
女职工本科以下学历的平均薪金:
女职工本科以上学历的平均薪金:
于是,不同性别、不同学历职工的平均薪金分别为:
男职工本科以下学历的平均薪金:
男职工本科以上学历的平均薪金:
22、乘法方式、乘法方式加法方式引入虚拟变量,考察:
截距的不同截距的不同,许多情况下:
往往是斜率就有变化,或斜率、截或斜率、截距同时发生变化距同时发生变化。
斜率的变化可通过以乘法的方式引入虚拟变量来斜率的变化可通过以乘法的方式引入虚拟变量来测度测度。
例例:
根据消费理论,消费水平C主要取决于收入水平Y,但在一个较长的时期,人们的消费倾向会发生变化,尤其是在自然灾害、战争等反常年份,消费倾向往往出现变化。
这种消费倾向的变化可通过在收入的系数中引入虚拟变量来考察。
这里,虚拟变量D以与X相乘的方式引入了模型中,从而可用来考察消费倾向的变化。
假定E(i)=0,上述模型所表示的函数可化为:
正常年份:
反常年份:
如,设消费模型可建立如下:
当截距与斜率发生变化时,则需要同时引入加当截距与斜率发生变化时,则需要同时引入加法与乘法形式的虚拟变量法与乘法形式的虚拟变量。
例例5.1.1,考察1990年前后的中国居民的总储蓄-收入关系是否已发生变化。
表5.1.1中给出了中国19792001年以城乡储蓄存款余额代表的居民储蓄以及以GNP代表的居民收入的数据。
以Y为储蓄,X为收入,可令:
1990年前:
Yi=1+2Xi+1ii=1,2,n11990年后:
Yi=1+2Xi+2ii=1,2,n2则有可能出现下述四种情况中的一种:
(1)1=1,且2=2,即两个回归相同,称为重重合合回归回归(CoincidentRegressions);
(2)11,但2=2,即两个回归的差异仅在其截距,称为平行回归平行回归(ParallelRegressions);(3)1=1,但22,即两个回归的差异仅在其斜率,称为汇合回归汇合回归(ConcurrentRegressions);(4)11,且22,即两个回归完全不同,称为相相异回归异回归(DissimilarRegressions)。
可以运用邹氏结构变化的检验邹氏结构变化的检验。
这一问题也可通过引入乘法形式的虚拟变量来解决。
将n1与n2次观察值合并,并用以估计以下回归:
Di为引入的虚拟变量:
于是有:
可分别表示1990年后期与前期的储蓄函数。
在统计检验中,如果4=0的假设被拒绝,则说明两个时期中储蓄函数的斜率不同。
具体的回归结果为:
具体的回归结果为:
(-6.11)(22.89)(4.33)(-2.55)由3与4的t检验可知:
参数显著地不等于0,强烈示出两个时期的回归是相异的,储蓄函数分别为:
储蓄函数分别为:
1990年前:
1990年后:
=0.983633、临界指标的虚拟变量的引入、临界指标的虚拟变量的引入在经济发生转折时期,可通过建立临界指标的虚拟变量模型来反映。
例例如如,进口消费品数量Y主要取决于国民收入X的多少,中国在改革开放前后,Y对X的回归关系明显不同。
这时,可以t*=1979年为转折期,以1979年的国民收入Xt*为临界值,设如下虚拟变量:
则进口消费品的回归模型可建立如下:
则进口消费品的回归模型可建立如下:
OLS法得到该模型的回归方程为法得到该模型的回归方程为则两时期进口消费品函数分别为:
当tt*=1979年,当tt*=1979年,三、虚拟变量的设置原则三、虚拟变量的设置原则虚拟变量的个数须按以下原则确定:
虚拟变量的个数须按以下原则确定:
每一定性变量所需的虚拟变量个数要比该定性变每一定性变量所需的虚拟变量个数要比该定性变量的类别数少量的类别数少1,即如果有,即如果有m个定性变量,只在模型个定性变量,只在模型中引入中引入m-1个虚拟变量。
个虚拟变量。
例例。
已知冷饮的销售量Y除受k种定量变量Xk的影响外,还受春、夏、秋、冬四季变化的影响,要考察该四季的影响,只需引入三个虚拟变量即可:
则冷饮销售量的模型为:
在上述模型中,若再引入第四个虚拟变量则冷饮销售模型变量为:
其矩阵形式为:
如果只取六个观测值,其中春季与夏季取了如果只取六个观测值,其中春季与夏季取了两次,秋、冬各取到一次观测值,则式中的:
两次,秋、冬各取到一次观测值,则式中的:
显然,(X,D)中的第1列可表示成后4列的线性组合,从而(X,D)不满秩,参数无法唯一求出。
这就是所谓的这就是所谓的“虚拟变量陷井虚拟变量陷井”,应避免。
5.25.2滞后变量模型滞后变量模型一、滞后变量模型一、滞后变量模型二、分布滞后模型的参数估计二、分布滞后模型的参数估计三、自回归模型的参数估计三、自回归模型的参数估计四、格兰杰因果关系检验四、格兰杰因果关系检验在经济运行过程中,广泛存在时间滞后效应。
某些经济变量不仅受到同期各种因素的影响,而且也受到过去某些时期的各种因素甚至自身的过去值的影响。
通通常常把把这这种种过过去去时时期期的的,具具有有滞滞后后作作用用的的变变量量叫叫做做滞滞后后变变量量(LaggedVariable),含有滞后变量的模型称为滞后变量模型滞后变量模型。
滞后变量模型考虑了时间因素的作用,使静态分析的问题有可能成为动态分析。
含含有有滞滞后后解解释释变变量的模型,又称量的模型,又称动态模型动态模型(DynamicalModel)。
一、滞后变量模型一、滞后变量模型1、滞后效应与与产生滞后效应的原因、滞后效应与与产生滞后效应的原因因变量受到自身或另一解释变量的前几因变量受到自身或另一解释变量的前几期值影响的现象称为期值影响的现象称为滞后效应。
滞后效应。
表示前几期值的变量称为表示前几期值的变量称为滞后变量滞后变量。
如:
如:
消费函数消费函数通常认为,本期的消费除了受本期的收入影响之外,还受前1期,或前2期收入的影响:
Ct=0+1Yt+2Yt-1+3Yt-2+tYt-1,Yt-2为滞后变量滞后变量。
产生滞后效应的原因产生滞后效应的原因1、心心理理因因素素:
人们的心理定势,行为方式滞后于经济形势的变化,如中彩票的人不可能很快改变其生活方式。
2、技技术术原原因因:
如当年的产出在某种程度上依赖于过去若干期内投资形成的固定资产。
3、制度原因、制度原因:
如定期存款到期才能提取,造成了它对社会购买力的影响具有滞后性。
2、滞后变量模型、滞后变量模型以滞后变量作为解释变量,就得到滞后变量模滞后变量模型型。
它的一般形式为:
q,s:
滞后时间间隔自自回回归归分分布布滞滞后后模模型型(autoregressivedistributedlagmodel,ADL):
既含有Y对自身滞后变量的回归,还包括着X分布在不同时期的滞后变量有限自回归分布滞后模型:
有限自回归分布滞后模型:
滞后期长度有限无限自回归分布滞后模型:
无限自回归分布滞后模型:
滞后期无限,
(1)分布滞后模型)分布滞后模型(distributed-lagmodel)分布滞后模型:
分布滞后模型:
模型中没有滞后被解释变量,仅有解释变量X的当期值及其若干期的滞后值:
0:
短短期期(short-run)或即即期期乘乘数数(impactmultiplier),表示本期X变化一单位对Y平均值的影响程度。
i(i=1,2,s):
动态乘数动态乘数或延迟系数延迟系数,表示各滞后期X的变动对Y平均值影响的大小。
如果各期的X值保持不变,则X与Y间的长期或均衡关系即为称为长期长期(long-run)或均衡乘数均衡乘数(totaldistributed-lagmultiplier),表示X变动一个单位,由于滞后效应而形成的对Y平均值总影响的大小。
22、自回归模型、自回归模型(autoregressivemodel)而称为一阶自回归模型(一阶自回归模型(first-orderautoregressivemodel)。
自回归模型自回归模型:
模型中的解释变量仅包含X的当期值与被解释变量Y的一个或多个滞后值*滞后变量模型学习中就注意的几个问题滞后变量模型学习中就注意的几个问题一、模型的选择问题。
进行动态分析时,最好考虑变量的滞后问题。
二、滞后时期的长短问题。
根据经济学理论和经验做出主观判断。
三、模型的结构形式问题。
取决于试验性探索分析。
四、模型的估计问题。
不中避免的会出现共线性问题,应该注意保证回归估计的精度。
22、分布滞后模型的修正估计方法、分布滞后模型的修正估计方法人们提出了一系列的修正估计方法,但并不很完善。
各各种种方方法法的的基基本本思思想想大大致致相相同同:
都是通通过过对对各各滞滞后后变变量量加加权权,组组成成线线性性合合成成变变量量而而有有目目的的地地减减少少滞滞后后变变量量的的数数目目,以以缓缓解解多多重重共共线线性性,保保证证自自由度。
由度。
(1)经验加权法经验加权法根据实际问题的特点、实际经验给各滞后变量指定权数,滞后变量按权数线性组合,构成新的变量。
权数据的类型有:
递减型递减型:
即认为权权数数是是递递减减的的,X的近期值对Y的影响较远期值大。
如消费函数中,收入的近期值对消费的影响作用显然大于远期值的影响。
例如:
滞后期为滞后期为3的一组权数可取值如下:
1/2,1/4,1/6,1/8则新的线性组合变量为:
即认为权权数数是是相相等等的的,X的逐期滞后值对值Y的影响相同。
如滞后期为3,指定相等权数为1/41/4,则新的线性组合变量为:
矩型矩型:
权数先递增后递减权数先递增后递减呈倒“V”型。
例例如如:
在一个较长建设周期的投资中,历年投资X为产出Y的影响,往往在周期期中投资对本期产出贡献最大。
如滞后期为4,权数可取为1/6,1/4,1/2,1/3,1/5则新变量为倒倒VV型型例例5.2.15.2.1对一个分布滞后模型:
给定递减权数:
1/2,1/4,1/6,1/8令原模型变为:
该模型可用OLS法估计。
假如参数估计结果为=0.5=0.8则原模型的估计结果为:
经验权数法经验权数法的优点优点是:
简单易行缺点缺点是:
设置权数的随意性较大通常的做法通常的做法是:
多选几组权数,分别估计出几个模型,然后根据常用的统计检验(方检验,检验,t检验,-检验),从中选择最佳估计式。
(2)阿尔蒙()阿尔蒙(lmon)多项式法)多项式法主要思想:
主要思想:
针对有限滞后期模型,通过阿尔蒙针对有限滞后期模型,通过阿尔蒙变换,定义新变量,以减少解释变量个数,然后变换,定义新变量,以减少解释变量个数,然后用用OLSOLS法估计参数。
法估计参数。
主要步骤为:
主要步骤为:
第一步,阿尔蒙变换第一步,阿尔蒙变换对于分布滞后模型假定其回归系数i可用一个关于滞后期i的适当阶数的多项式来表示,即:
i=0,1,s其中,ms-1。
阿尔蒙变换要求先验地确定适当阶数k,例如取k=2,得(*)将(*)代入分布滞后模型得定义新变量将原模型转换为:
第二步,模型的第二步,模型的OLS估计估计对变换后的模型进行OLS估计,得再计算出:
求出滞后分布模型参数的估计值:
由于m+1s,可以认为原模型存在的自由度不足和多重共线性问题已得到改善。
需注意的是需注意的是,在实际估计中,阿尔蒙多项式的阶数m一般取2或3,不超过4,否则达不到减少变量个数的目的。
例例5.2.2表5.2.1给出了中国电力基本建设投资电力基本建设投资X与发电量发电量Y的相关资料,拟建立一多项式分布滞后模型来考察两者的关系。
由于无法预见知电力行业基本建设投资对发电量影响的时滞期,需取不同的滞后期试算。
(13.62)(1.86)(0.15)(-0.67)求得的分布滞后模型参数估计值为经过试算发现,在2阶阿尔蒙多项式变换下,滞后期数取到第6期,估计结果的经济意义比较合理。
2阶阿尔蒙多项式估计结果如下:
为了比较,下面给出直接对滞后6期的模型进行OLS估计的结果:
最后得到分布滞后模型估计式为:
(3)科伊克()科伊克(Koyck)方法)方法科伊克方法是将无限分布滞后模型转换为自回科伊克方法是将无限分布滞后模型转换为自回归模型,然后进行估计归模型,然后进行估计。
对于无限分布滞后模型:
科伊克变换假设科伊克变换假设i随滞后期i按几何级数衰减:
其中,0F(m,n-k),则拒绝原假设,认为XX是是YY的格兰杰原因的格兰杰原因。
注意:
注意:
格兰杰因果关系检验格兰杰因果关系检验对于滞后期长度的选择有时很敏感。
不同的滞后期可能会得到完全不同的检验结果。
因此,一般而言一般而言,常进行不同滞后期长度的检验,以检验模型中随机误差项不存在序列相关的滞后期长度来选取滞后期。
例例5.2.4检验19782000年间中国当年价GDP与居民消费CONS的因果关系。
取两阶滞后,Eviews给出的估计结果为:
判断:
=5%,临界值F0.05(2,17)=3.59拒绝“GDP不是CONS的格兰杰原因”的假设,不拒绝“CONS不是GDP的格兰杰原因”的假设。
因此,从2阶滞后的情况看,GDP的增长是居民消费增长的原因,而不是相反。
但在2阶滞后时,检验的模型存在1阶自相关性。
随着滞后阶数的增加,拒绝“GDP是居民消费CONS的原因”的概率变大,而拒绝“居民消费CONS是GDP的原因”的概率变小。
如果同时考虑检验模型的序列相关性以及赤池信息准则,发现:
滞滞后后4阶阶或或5阶阶的的检检验验模模型型不不具具有有1阶阶自自相相关关性性,而而且且也也拥拥有有较较小小的的AIC值值,这时判判断断结结果果是:
GDP与与CONS有有双双向向的的格格兰兰杰杰因因果果关关系系,即相互影响即相互影响。
分析:
分析:
5.3模型设定偏误问题模型设定偏误问题一、模型设定偏误的类型一、模型设定偏误的类型二、模型设定偏误的后果二、模型设定偏误的后果三、模型设定偏误的检验三、模型设定偏误的检验一、模型设定偏误的类型一、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关于解释变量选取的偏误,主要包括漏漏选相关变量选相关变量和多选无关变量多选无关变量,
(2)关于模型函数形式选取的偏误关于模型函数形式选取的偏误。
1、相关变量的遗漏、相关变量的遗漏(omittingrelevantvariables)例如例如,如果“正确”的模型为而我们将模型设定为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遗漏相关变量。
动态设定偏误动态设定偏误(dynamicmis-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、无关变量的误选(includingirrevelantvariables)例如例如,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、错误的函数形式(wrongfunctionalform)例如,如果“真实”的回归函数为但却将模型设定为二、模型设定偏误的后果二、模型设定偏误的后果当模型设定出现偏误时,模型估计结果也会与当模型设定出现偏误时,模型估计结果也会与“实际实际”有偏差。
这种有偏差。
这种偏差的性质与程度与模偏差的性质与程度与模型设定偏误的类型密切相关型设定偏误的类型密切相关。
1、遗漏相关变量偏误遗漏相关变量偏误采用遗漏相关变量的模型进行估计而带来的偏误称为遗漏相关变量偏误遗漏相关变量偏误(omittingrelevantvariablebias)。
设正确的模型为Y=0+1X1+2X2+却对Y=0+1X1+v进行回归,得将正确模型Y=0+1X1+2X2+的离差形式代入得
(1)如果漏掉的X2与X1相关,则上式中的第二项在小样本下求期望与大样本下求概率极限都不会为零,从而使得OLSOLS估估计量在小样本下有偏,在大样本下非一致计量在小样本下有偏,在大样本下非一致。
(2)如果X2与X1不相关,则1的估计满足无偏性与一致性;但这时0的估计却是有偏的。
由Y=0+1X1+v得由Y=0+1X1+2X2+得如果X2与X1相关,显然有如果X2与X1不相关,也有Why?
2、包含无关变量偏误、包含无关变量偏误采用包含无关解释变量的模型进行估计带来的偏误,称为包含无关变量偏误包含无关变量偏误(includingirrelevantvariablebias)。
设Y=0+1X1+v(*)为正确模型,但却估计了Y=0+1X1+2X2+(*)如果2=0,则(*)与(*)相同,因此,可将(*)式视为以2=0为约束的(*)式的特殊形式。
由于所有的经典假设都满足,因此对Y=0+1X1+2X2+(*)式进行OLS估计,可得到无偏且一致的估计量。
但是,但是,OLS估计量却不具有最小方差性。
估计量却不具有最小方差性。
Y=0+1X1+v中X1的方差:
Y=0+1X1+2X2+中X1的方差:
当X1与X2完全线性无关时:
否则:
注意:
注意:
3、错误函数形式的偏误、错误函数形式的偏误当选取了错误函数形式并对其进行估计时,带来的偏误称错误函数形式偏误错误函数形式偏误(wrongfunctionalformbias)。
容易判断,这种偏误是全方位的偏误是全方位的。
例如,如果“真实”的回归函数为却估计线性式显然,两者的参数具有完全不同的经济含义,且估计结果一般也是不相同的。
三、模型设定偏误的检验三、模型设定偏误的检验1、检验是否含有无关变量、检验是否含有无关变量可用可用t检验与检验与F检验完成。
检验完成。
检验的基本思想检验的基本思想:
如果模型中误选了无关变量,则其系数的真值应为零。
因此,只须对无关变量系数的显著性进行检验。
tt检验检验:
检验某1个变量是否应包括在模型中;FF检验检验:
检验若干个变量是否应同时包括在模型中2、检验是否有相关变量的遗漏或函数、检验是否有相关变量的遗漏或函数形式设定偏误形式设定偏误
(1)残差图示法)残差图示法残差序列变化图残差序列变化图(a)趋势变化)趋势变化:
模型设定时可能遗漏了一随着时间的推移而持续上升的变量(b)循环变化:
)循环变化:
模型设定时可能遗漏了一随着时间的推移而呈现循环变化的变量模型函数形式设定偏误时残差序列呈现正负模型函数形式设定偏误时残差序列呈现正负交替变化交替变化图示:
图示:
一元回归模型中,真实模型呈幂函数形式,但却选取了线性函数进行回归。
(2)一般性设定偏误检验)一般性设定偏误检验但更准确更常用的判定方法是拉姆齐(Ramsey)于1969年提出的所谓RESET检验检验(regressionerrorspecificationtest)。
基本思想:
基本思想:
如果事先知道遗漏了哪个变量,只需将此变量引入模型,估计并检验其参数是否显著不为零即可;问题是不知道遗漏了哪个变量,需寻找一个替代变量Z,来进行上述检验。
RESET检验中,采用所设定模型中被解释变量Y的估计值的若干次幂来充当该“替代”变量。
例如例如,先估计Y=0+1X1+v得再根据第三章第五节介绍的增加解释变量的增加解释变量的FF检检验验来判断是否增加这些“替代”变量。
若仅增加一个“替代”变量,也可通过tt检验检验来判断。
例如,例如,在一元回归中,假设真实的函数形式是非线性的,用泰勒定理将其近似地表示为多项式:
RESET检验也可用来检验函数形式设定偏误的检验也可用来检验函数形式设定偏误的问题。
问题。
因此,如果设定了线性模型,就意味着遗漏了相关变量X12、X13,等等。
因此,在一元回归中,可通过检验(*)式中的各高次幂参数的显著性来判断是否将非线性模型误设成了线性模型。
(*)对多元回归多元回归,非线性函数可能是关于若干个或全部解释变量的非线性,这时可按遗漏变量的按遗漏变量的程序进行检验程序进行检验。
例如,例如,估计Y=0+1X1+2X2+但却怀疑真实的函数形式是非线性的。
这时,只需以估计出的的若干次幂为“替代”变量,进行类似于如下模型的估计再判断各“替代”变量的参数是否显著地不为零即可。
例例5.3.1:
在4.3商品进口的例中,估计了中国商品进口M与GDP的关系,并发现具有强烈的一阶自相关性。
然而,由于仅用GDP来解释商品进口的变化,明显地遗漏了诸如商品进口价格、汇率等其他影响因素。
因此,序列相关性的主要原因可能就是建模时遗漏了重要的相关变量造成的。
下面进行RESET检验。
用原回归模型估计出商品进口序列R2=0.9484(-0.085)(8.274)(-6.457)(6.692)R2=0.9842在=5%下,查得临界值F0.05(2,20)=3.49判断:
拒绝原模型与引入新变量的模型可决系数无显著差异的假设,表明原模型确实存在遗漏相关变量的设定偏误。
*(3)同期相关性的豪斯蔓()同期相关性的豪斯蔓(Hausman)检验检验由于在遗漏相关变量的情况下,往往导致解释变量与随机扰动项出现同期相关性,从而使得OLS估计量有偏且非一致。
因此,对模型遗漏相关变量的检验可以用模型是否出现解释变量与随机扰动项同期相关性的检验来替代。
这就是豪斯蔓检验(豪斯蔓检验(1978)的主要)的主要思想。
思想。
当解释变量与随机扰动项同期相关时,通过工具变量法可得到参数的一致估计量。
而当解释变量与随机扰动项同期无关时,OLS估计量就可得到参数的一致估计量。
因此,