计量经济学：5.4从传统建模.ppt

1、5.4 从传统建模理论到约化从传统建模理论到约化 建模理论建模理论 一、传统建模理论与数据开采问题一、传统建模理论与数据开采问题 二、二、“从一般到简单从一般到简单”约化建模型理约化建模型理 论论 三、非嵌套假设检验三、非嵌套假设检验 四、约化模型的准则四、约化模型的准则 亨德瑞的约化建模理论，吸收了向量自回归 建模法与协整理论的部分内容，提出了“从一般从一般 到简单到简单”的建模思想的建模思想，在现代计量经济建模理论 方面有着较大影响。 20世纪70年代中叶以来，计量经济学建模方 法与建模理论得到了迅速发展。出现了利莫尔 （Leamer）的贝叶斯建模方法贝叶斯建模方法，西姆斯（Sims） 的

2、向量自回归建模型法向量自回归建模型法、亨德瑞（Hendry）的约约 化建模理论化建模理论以及第10章将要学习的协整建模理论协整建模理论。 这些现代建模理论是在对传统建模理论的不断质 疑与修正中发展起来的， 一、传统建模理论与数据开采问题一、传统建模理论与数据开采问题 传统计量经济学的主导建模理论是“结构模型结构模型 方法论方法论”： 以先验给定的经济理论为建立模型的出发点， 以模型参数的估计为重心， 以参数估计值与其理论预期值相一致为判断标准， 是一个“从简单到复杂从简单到复杂”的建模过程（simple- to-general approach）: 对不同变量及其数据的偿试与筛选过程对不同变量

3、及其数据的偿试与筛选过程. . 这种传统的建模方法却有着某些固有的缺陷。 其中备受质疑的是这种建模过程的所谓“数据开数据开 采采”（Data minimg）问题。 数据开采数据开采:对不同变量及其数据的偿试与筛选 这一过程对最终选择的变量的这一过程对最终选择的变量的t t检验产生较大影响检验产生较大影响 当在众多备选变量中选择变量进入模型时，其当在众多备选变量中选择变量进入模型时，其 中中t t检验的真实的显著性水平已不再是事先给出的检验的真实的显著性水平已不再是事先给出的 名义显著性水平。名义显著性水平。 显著性水平意味着将一个无关变量作为相关变显著性水平意味着将一个无关变量作为相关变 量选

4、入模型而犯错误的概率。量选入模型而犯错误的概率。 罗维尔（Lovell）给出了一个从c个备选变 量中选取k个变量进入模型时，真实显著性水 平*与名义显著性水平的关系： *=1-(1- )c/k 如： 给定=5%，如果有2个相互独立且与 被解释变量无关的备选变量，误选一个进入模 型的概率就成了 1-(1-0.05)2=0.0975 传统建模方法的另一问题是它的传统建模方法的另一问题是它的“随意性随意性”。 其结果是：对同一研究对象，使用同一数据， 但不同的建模者往往得出不同的最终模型。 二、二、“从一般到简单从一般到简单”约化建模型理约化建模型理 论论 该理论认为：该理论认为：在模型的最初设定上

5、，就设立一 个“一般”的模型，它包括了所有先验经济理论 与假设中所应包括的全部变量，各种可能的“简 单”模型都被“嵌套”（nested）在这个“一般” 的模型之中。然后在模型的估计过程中逐渐剔除 不显著的变量，最后得到一个较“简单”的最终 模型。 这就是所谓的“从一般到简单从一般到简单”（general-to- specific）的建模理论。 (1)约化建模理论提出了一个对不同先验假设的 更为系统的检验程序； (2) 初始模型就是一个包括所有可能变量的 “一般”模型，也就避免了过度的“数据开采” 问题； (3)由于初始模型的“一般”性，所有研究者的 “起点”都有是相同的，因此，在相同的约化程

6、序下，最后得到的最终模型也应该是相同的。 特点：特点： “从一般到简单”的建模理论例例 例3.5.1曾建立了一个中国城镇居民食品消费模 型： Q=f(X,P1,P0) 然而，有理由认为X、P1、P0的变化可能会经过 一段时期才会对Q起作用，因为消费者固有的消 费习惯是不易改变的。于是，可建立如下更“一 般”的模型： ttttt tttt PPPP XXQQ 1010111211 121110 lnlnlnln lnlnlnln 在估计该模型之前，并不知道食品消费需求 是怎样决定的，但可以考察几种可能的情况: ttttt PPXQ 011110 lnlnlnln 也可以认为，(2)由于食品是必需

7、品，P1的变化并 不对Q产生影响，但仍受P0与X变动的影响，然而 后者的影响却有着一期的滞后： tttttt PPXXQ 102011210 lnlnlnlnln 如如，(1)对食品的消费需求是一个“静态”行 为，只有当期的因素发生作用： 可以看出，(*)、(*)都是原一般模型原一般模型的特例， 即都可通过对原一般模型原一般模型施加约束得到。 （*） （*） 如果一个模型可通过对“一般”模型施加约 束得到，则称该模型“嵌套嵌套”在一般模型之中。 ttttt tttt PPPP XXQQ 1010111211 121110 lnlnlnln lnlnlnln ttt ttt PP XXQ 102

8、01 1210 lnln lnlnln 约束：1=1=2=0 tt ttt P PXQ 01 1110 ln lnlnln 约束：1=2=2= 2=0 tttttt PPPXQ)/ln()/ln(ln 011010 约束：1+1+1=0 一般地，一个“一般模型”具有如下两个重要特 性： 第一第一，与所考察问题相关的不同的先验理论与假 设都“嵌套”在该一般模型中； 第二第二，能较好地拟合数据，并能满足模型设定偏 误的各种检验。 该两条性质是相互关联的该两条性质是相互关联的。例如，如果某一重要 理论被忽略，则相关的变量也就被排除在该“一般” 模型之外，从而使得该模型不能通过模型设定偏误 的多种检验

9、。 一个一个“一般一般”的模型是能够进行诸如遗漏相关的模型是能够进行诸如遗漏相关 变量、多选无关变量以及误设函数形式的多种设定变量、多选无关变量以及误设函数形式的多种设定 偏误检验的。偏误检验的。 从一般到简单的约化建模过程从一般到简单的约化建模过程 一旦建立了一个“一般”模型，就可对其进 行约化约化（simplification research），寻找可能的简 单模型。 这往往是通过检验“嵌套”于其中的各种简 单模型进行的。主要包括（1）各种“约束”检 验与（2）设定偏误检验，等。 一般模型的约化过程，是一个一般模型的约化过程，是一个自上而下自上而下 （top-down）逐级化简的建模过程

10、。）逐级化简的建模过程。只有当观测 数据不支持约束条件时，才退回到上一级，检验 其他可能的约束，或者得到最终模型。 “从从一般到简单到简单”的建模程序面临的主要问题的建模程序面临的主要问题 在于无法在两个没有嵌套关系的模型间进行选择。 这时，可能通过通常的拟合优度检验、池赤信 息准则来帮助决策，更主要的检验是非嵌套假设非嵌套假设 检验检验。 三、非嵌套假设检验三、非嵌套假设检验 假设要检验下面两个非嵌套模型： H0: Y=0+ 1X+ 2Z+ H1: Y=0+ 1X+2W+ 上述两模型之间没有嵌套关系，无法进行约 束检验。 同时，H0与H1不是对立假设，拒绝假设H0未 必意味着接受假设H1。因

11、此，通常的假设检验程 序无法直接使用。 WZXY 3210 于是，可针对一般模型(*)分别检验H0与H1 。 (*) 为此，一种称为包容性包容性F检验检验（encompassing F tests）被提了出来。这种检验是人为地构造一个 “一般”模型： 包容性包容性F检验主要存在以下问题检验主要存在以下问题: : (1)(1)人为构造的一般模型没有实际的经济意义人为构造的一般模型没有实际的经济意义， 尤其在H0与H1分别反映两种对立的经济理论的 情况下更是如此； (2)(2)有可能出现同时接受或拒绝有可能出现同时接受或拒绝H0与与H1的现象；的现象； (3)(3)当当Z Z与与W W高度相关时，

12、往往导致既不能拒绝高度相关时，往往导致既不能拒绝H0 ， 也不能拒绝也不能拒绝H1 ，因为在一般模型中去掉任何 一个变量，都不会使拟合优度下降很多。 另一个解决办法是建立如下的一般模型：另一个解决办法是建立如下的一般模型： 如果=0，则为模型H0， 如果=1，则为模型H1。 因此，可通过检验施加的约束=0是否为真来 判断H0是否为正选模型。 问题是由该模型无法直接估计出的值。戴维 森（Davidson）和麦金农（Mackinnon）建议通 过下面步骤估计： WXZXY 210210 1 第一步第一步，对模型H1进行OLS估计，得到： WXY 210 第二步第二步，用估计的代替“一般模型”中的

13、0+ 1X+2W，并进行OLS估计： YZXY 1 210 戴维森和麦金农证明：在大样本下，在大样本下，H H0 0为真时为真时， 的的OLSOLS估计量的估计量的t t统计量服从标准正态分布：统计量服从标准正态分布： t tN(0,1)N(0,1)。 因此，如果的t统计量的绝对值大于给定显 著性水平下的临界值，就拒绝模型H0。 如果要检验模型如果要检验模型H1是否为真是否为真，仍可通过上面 两个步骤进行，但需先对H0进行OLS估计，得到 ，以它为另一解释变量估计如下模型： YWXY 1 210 如果显著地异于0，则拒绝模型H1为真的假设。 该非嵌套假设检验也被称为J检验检验（J test），

14、 因为需将两非嵌套模型联合起来进行参数的联合 估计（joint estimation）。 注意注意：(1)拒绝H0(或H1)不意味着接受H1(或H0)； (2)J检验仍然存在同时接受或拒绝H0与H1的现象。 四、约化模型的准则四、约化模型的准则 从一般到简单的建模过程，同样存在着数据 开采问题。 一个“一般”模型经过k步约化后得到最终的 简化模型，可以证明，每一步中的名义显著性水 平与最终模型中各种检验的实际显著性水平* 间有如下关系： *=1-(1- )k 然而，与“从简单到复杂”这一传统建模方法 相比，“从一般到简单”的建模过程能够展现模 型建立的全过程； 同时建模过程的程式化（syste

15、matic manner） 也避免了过度的“数据开采”问题。 由于一定程度的数据开采不可避免， “从一 般到简单”建模理论倡导更加关注模型的样本外 预测（out-of-sample forecast）。 “从一般到简单”的建模方法，初始模型就可 能包括了所有的相关变量，没有必要再进行遗漏 相关变量的设定偏误检验。 “从一般到简单”的建模过程本身就是一项 十分艰巨复杂的工作。各约化步骤往往是需要反 复进行的，约化步骤的顺序也需要灵活按排。 而且，从实践上看，由于各种因素的影响， 所建立的最终的简化模型不一定就是最“理想” 的模型。亨德瑞给出了一个约化模型的基本准则约化模型的基本准则： 第一，模型

16、必须具有数据一致第一，模型必须具有数据一致( (data-coherent) ) 性，即模型能够正确地解释已有的数据性，即模型能够正确地解释已有的数据。约化过 程中需不断进行设定偏误检验。 第二，模型必须与经济理论相一致（第二，模型必须与经济理论相一致（consistent with economic theory）。 第三，解释变量必须是弱外生的第三，解释变量必须是弱外生的( (exogenous) )， 即解释变量应与随机扰动项不同期相关。 第四，模型具有恒定的参数第四，模型具有恒定的参数( (constant parameters) 第五，模型具有包容性，第五，模型具有包容性，即模型应包

17、容相竞争的 对手模型。 第六，模型具有简洁性第六，模型具有简洁性(parsimonious)，即在具 有相同解释能力的情况下，一个拥有较少解释变量 的模型优于拥有较多解释变量的模型。 例例5.4.1 在3.5的例3.5.1中，曾以传统的建模 方法建立了19811994年间的中国城镇居民食品 消费需求模型。 ttttt tttt PPPP XXQQ 1010111211 121110 lnlnlnln lnlnlnln 用小写字母代表变量的自然对数，则该一般模型 的估计结果为： 这里再以“从一般到简单”这一建模理论来做 进一步的考察。 初始的一般模型设定为 11 285. 02620. 1042

18、. 0297. 3 tttt xxqq 100111 397. 0227. 1015. 0029. 0 tttt pppp （1.41） (0.09) (8.24) (-0.57) (-0.65) (-0.24) (-6.03) (0.85) 给定5%的显著性水平，可以判断，尽管若干 个变量的t检验不显著，但总体上看总体上看，不存在模 型的相关变量遗漏与函数形式的设定偏误问题， 而且参数也具有稳定性。因此，以它作为初始的以它作为初始的 一般模型是合适的。一般模型是合适的。 进一步考察模型的约化问题: 首先，检验模型 tt ttt P PXQ 01 1110 ln lnlnln tttt ppx

19、q 01 925. 0080. 0055. 1634. 3 (9.03) (25.35) (-2.28) (-7.35) 该模型是由“一般模型”去掉滞后变量得到， 相当于对滞后变量施加了零约束，由受约束的F检 验得检验值F=2.188，相伴概率p=0.207，可见：在在 5%的显著性水平下，可接受该约束。的显著性水平下，可接受该约束。 但是，存在着结构变化，而且RSS有明显增大。 如果忽略存在结构变化这一特征，则上面模型能 够作为一个可接受的模型，并可进一步检验 tttttt PPPXQ)/ln()/ln(ln 011010 )(091. 0)(073. 1825. 3 010ttttt pppxq （75.86）（52.66） （-3.62） 取=5%，RESET检验表明可能存在遗漏相关变 量的设定偏误，这时RSS的值也有所增大，而且 CHOW检验也表明存在明显的结构变化。