实验八 模型设定偏误问题上课讲义.docx

实验八 模型设定偏误问题上课讲义.docx

《实验八 模型设定偏误问题上课讲义.docx》由会员分享，可在线阅读，更多相关《实验八 模型设定偏误问题上课讲义.docx（10页珍藏版）》请在冰豆网上搜索。

实验八模型设定偏误问题上课讲义

实验八模型设定偏误问题

实验八模型设定偏误问题

姓名：

何健华学号：

201330110203班级：

13金融数学2班

一实验目的：

掌握模型设定偏误问题的估计与应用，熟悉EViews的基本操作。

二实验要求：

应用教材P183例子5.3.1的案例，利用RESET检验检验模型设定偏误问题；应用教材P185例子5.3.2的案例，利用Box-Cox变换比较线性模型与双对数线性模型的优劣。

三实验原理：

普通最小二乘法、阿尔蒙法、格兰杰因果关系检验、DW检验。

四预备知识：

普通最小二乘法，F检验，Box-Cox变换。

五实验步骤

一、下表列出了中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。

序号工业总产值Y（亿）

序号

工业总产值Y

（亿元）

资产合计K

（亿元）

职工人数L

（万人）

序号

工业总产值Y

（亿元）

资产合计K

（亿元）

职工人数L

（万人）

1

3722.70

3078.22

113

17

812.70

1118.81

43

2

1442.52

1684.43

67

18

1899.70

2052.16

61

3

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

222

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

58

27

7549.58

7518.79

138

12

617.94

516.01

28

28

867.91

984.52

46

13

4429.19

3785.91

61

29

4611.39

18626.94

218

14

5749.02

8688.03

254

30

170.30

610.91

19

15

1781.37

2798.90

83

31

325.53

1523.19

45

16

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

在图1.2窗口选择“Views\StabilityTest\RamseyRESETTest...”，在出现的RESETSpecification窗口的Numberoffittedterms栏内输入“1”，点击“OK”，得到检验结果如图1.3所示。

图1.3

由F统计量的伴随概率知，在5%的显著性水平下，不拒绝原模型没有设定偏误的假设。

2.2采用OLS对线性模型进行估计，估计结果如图1.4。

图1.4

同样地，选择“Views\StabilityTest\RamseyRESETTest”，在新出现的对话框中输入“1”，得如图1.5所示的RESET检验结果。

图1.5

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

19347.8

16525.9

9450.9

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。