实验八模型设定偏误问题Word格式.docx
《实验八模型设定偏误问题Word格式.docx》由会员分享,可在线阅读,更多相关《实验八模型设定偏误问题Word格式.docx(10页珍藏版)》请在冰点文库上搜索。
![实验八模型设定偏误问题Word格式.docx](https://file1.bingdoc.com/fileroot1/2023-5/7/7ba1cd84-dc18-4d5a-a0ee-d8a560d6593e/7ba1cd84-dc18-4d5a-a0ee-d8a560d6593e1.gif)
1752.37
2742.77
84
19
3692.85
6113.11
240
4
1451.29
1973.82
27
20
4732.90
9228.25
222
5
5149.30
5917.01
327
21
2180.23
2866.65
80
6
2291.16
1758.77
120
22
2539.76
2545.63
96
7
1345.17
939.10
58
23
3046.95
4787.90
8
656.77
694.94
31
24
2192.63
3255.29
163
9
370.18
363.48
16
25
5364.83
8129.68
244
10
1590.36
2511.99
66
26
4834.68
5260.20
145
11
616.71
973.73
7549.58
7518.79
138
12
617.94
516.01
28
867.91
984.52
46
13
4429.19
3785.91
29
4611.39
18626.94
218
14
5749.02
8688.03
254
30
170.30
610.91
15
1781.37
2798.90
83
325.53
1523.19
45
1243.07
1808.44
33
假设有人不同意原幂函数模型是正确设定的模型,而下面的线性形式是正确设定的模型,将如何检验哪一个模型设定更正确?
1.建立工作工作文件并录入数据,得到图1.1
图1.1
2.采用RESET检验来检验模型的设定偏误
2.1对于原幂函数形式的模型,变换成双对数模型
采用OLS进行估计,估计结果如图1.2。
图1.2
首先,尽管K与L的参数估计值的t统计量在5%的显著性水平下都是显著的,但拟合优度比原幂函数的模型低。
由F统计量的伴随概率知,在5%的显著性水平下,拒绝原模型没有设定偏误的假设。
可见,相比较而言,线性模型确有设定偏误,而原幂函数模型没有设定偏误问题。
二、通过Box-Cox变换检验中国居民总量消费函数的建立中,原线性模型
与双对数线性模型哪一个最优?
表2.6.3中国居民总量消费支出与收入资料
单位:
亿元
年份
GDP
CONS
CPI
TAX
GDPC
X
Y
1978
3605.6
1759.1
46.21
519.28
7802.5
6678.8
3806.7
1979
4092.6
2011.5
47.07
537.82
8694.2
7551.6
4273.2
1980
4592.9
2331.2
50.62
571.70
9073.7
7944.2
4605.5
1981
5008.8
2627.9
51.90
629.89
9651.8
8438.0
5063.9
1982
5590.0
2902.9
52.95
700.02
10557.3
9235.2
5482.4
1983
6216.2
3231.1
54.00
775.59
11510.8
10074.6
5983.2
1984
7362.7
3742.0
55.47
947.35
13272.8
11565.0
6745.7
1985
9076.7
4687.4
60.65
2040.79
14966.8
11601.7
7729.2
1986
10508.5
5302.1
64.57
2090.37
16273.7
13036.5
8210.9
1987
12277.4
6126.1
69.30
2140.36
17716.3
14627.7
8840.0
1988
15388.6
7868.1
82.30
2390.47
18698.7
15794.0
9560.5
1989
17311.3
8812.6
97.00
2727.40
17847.4
15035.5
9085.5
1990
19347.8
9450.9
100.00
2821.86
16525.9
1991
22577.4
10730.6
103.42
2990.17
21830.9
18939.6
10375.8
1992
27565.2
13000.1
110.03
3296.91
25053.0
22056.5
11815.3
1993
36938.1
16412.1
126.20
4255.30
29269.1
25897.3
13004.7
1994
50217.4
21844.2
156.65
5126.88
32056.2
28783.4
13944.2
1995
63216.9
28369.7
183.41
6038.04
34467.5
31175.4
15467.9
1996
74163.6
33955.9
198.66
6909.82
37331.9
33853.7
17092.5
1997
81658.5
36921.5
204.21
8234.04
39988.5
35956.2
18080.6
1998
86531.6
39229.3
202.59
9262.80
42713.1
38140.9
19364.1
1999
91125.0
41920.4
199.72
10682.58
45625.8
40277.0
20989.3
2000
98749.0
45854.6
200.55
12581.51
49238.0
42964.6
22863.9
2001
108972.4
49213.2
201.94
15301.38
53962.5
46385.4
24370.1
2002
120350.3
52571.3
200.32
17636.45
60078.0
51274.0
26243.2
2003
136398.8
56834.4
202.73
20017.31
67282.2
57408.1
28035.0
2004
160280.4
63833.5
210.63
24165.68
76096.3
64623.1
30306.2
2005
188692.1
71217.5
214.42
28778.54
88002.1
74580.4
33214.4
2006
221170.5
80120.5
217.65
34809.72
101616.3
85623.1
36811.2
1.建立工作工作文件并录入数据,得到图2.1
图2.1
2.采用Box-Cox变换检验原线性模型与双对数线性模型的优劣
2.1对原线性模型采用OLS进行估计,估计结果如图2.2。
图2.2
由图中2.2的数据,可得:
(6.242914)(47.05950)
2.2对双数线性模型采用OLS进行估计,估计结果如图2.3。
图2.3
由图2.3的数据,可得:
(4.112865)(61.89235)
虽然双对数线性模型的可决系数大于原线性模型,残差平方和小于原线性模型,但不能就此认为双对数线性模型“优于”线性模型。
2.3采用Box-Cox变换后再进行比较
在主界面菜单选择“Quick\GenerateSeries”,在出现的“GenerateSeriesbyEquation”窗口中输入“LY=LOG(Y)”,点击OK按钮即可生成Y的对数序列LY。
然后在主页的命令编辑区域中输入“scalarY1=@exp(@sum(LY)/29)”,如图2.4,点回车键生成一个标量Y1。
图2.4
选择“Quick\GenerateSeries”,在出现的“GenerateSeriesbyEquation”窗口中输入“Y2=Y/Y1”,点击OK按钮即可生成Y的对数序列Y2。
作Y2关于X的线性OLS回归得如图2.5所示结果。
图2.5
由图2.5的回归结果可得:
(6.242914)(47.05950)
作Y2关于X的双对数线性OLS回归得如图2.6所示结果。
图2.6
由图2.6的回归结果可得:
(-61.72335)(61.89235)
于是
该值大于在5%显著性水平下自由度为1的
分布的临界值3.841,因此可判断双对数模型确实“优于”原线性模型。