第13章模型設(shè)定與診斷檢驗(yàn)

1、第13章 模型設(shè)定與檢驗(yàn)暨南大學(xué)經(jīng)濟(jì)學(xué)院統(tǒng)計(jì)學(xué)系陳問(wèn)題的提出經(jīng)典假設(shè)要求模型正確設(shè)定，由此問(wèn)題是：何謂正確設(shè)定的模型？或正確設(shè)定的標(biāo)準(zhǔn)是什么？在應(yīng)用中可能遇到什么類型的設(shè)定錯(cuò)誤？由設(shè)定錯(cuò)誤所產(chǎn)生的在設(shè)定誤差等?又是什么？如何和校正模型存這些即是本章要的問(wèn)題，重點(diǎn)為設(shè)定誤差。模型設(shè)定偏誤理解先回顧一下計(jì)量經(jīng)濟(jì)學(xué)分析主要目的是什么？計(jì)量經(jīng)濟(jì)學(xué)分析的主要目的是量化現(xiàn)實(shí)的經(jīng)濟(jì)關(guān)系，反映現(xiàn)實(shí)經(jīng)濟(jì)結(jié)構(gòu)特征。也就是說(shuō)，的首要目的就是要準(zhǔn)確地反映現(xiàn)實(shí)經(jīng)濟(jì)體系中經(jīng)濟(jì)變量之間的量化關(guān)系。建立的計(jì)量經(jīng)濟(jì)學(xué)模型，必須能夠反映經(jīng)濟(jì)變量之間的實(shí)際經(jīng)濟(jì)關(guān)系。這樣的模型就稱之為是“正確設(shè)定的”。反之，如果所建立的計(jì)量經(jīng)濟(jì)學(xué)模

2、型與真實(shí)的經(jīng)濟(jì)關(guān)系不一致，那么，模型就出現(xiàn)了所謂的“設(shè)定偏誤”。模型設(shè)定偏誤理解（續(xù)）模型正確設(shè)定的含義是很簡(jiǎn)單的，但在現(xiàn)實(shí)中實(shí)現(xiàn)它卻是非常的。根本原因在于，一般情況下，并不知道“真實(shí)”的模型到底是什么樣的。這里的“真實(shí)”實(shí)際上是基于理論分析和對(duì)經(jīng)濟(jì)現(xiàn)實(shí)的經(jīng)驗(yàn)分析所建立的適當(dāng)模型。由于真實(shí)的模型是不可知的，所以在此加了引號(hào)。 就基于樣本數(shù)據(jù)所得到的估計(jì)結(jié)果而言，唯一能夠確定的是：對(duì)于正確設(shè)定的模型，其參數(shù)估計(jì)值的符號(hào)必須與理論預(yù)期或基于現(xiàn)實(shí)觀察的經(jīng)驗(yàn)預(yù)期相一致。 注釋：建立一個(gè)計(jì)量經(jīng)濟(jì)學(xué)模型時(shí)，所能依據(jù)的信息只能是經(jīng)濟(jì)現(xiàn)實(shí)經(jīng)濟(jì)特征。但是，經(jīng)濟(jì)理論是不斷發(fā)展的和多樣化的，而現(xiàn)實(shí)經(jīng)濟(jì)又是紛繁復(fù)雜的

3、，所以，設(shè)定偏誤是計(jì)量經(jīng)濟(jì)學(xué)模型設(shè)定中的常態(tài)。不過(guò)，設(shè)定偏誤有各種各樣的表現(xiàn)，有的偏誤可能無(wú)關(guān)痛癢，有的偏誤則會(huì)導(dǎo)致嚴(yán)重錯(cuò)誤的推斷。 一個(gè)計(jì)量經(jīng)濟(jì)模型的設(shè)定由三部分組成：選擇正確的解釋變量；正確的方程形式以及正確的隨機(jī)誤差形式。任何一部分的選擇錯(cuò)誤都會(huì)造成模型的設(shè)定誤差。本章主要介紹的是解釋變量的選擇問(wèn)題。13.1模型選擇準(zhǔn)則 模型選擇的傳統(tǒng)觀點(diǎn)為:節(jié)省性：即能用簡(jiǎn)單的模型就不用復(fù)雜的模型；識(shí)別性： 參數(shù)可識(shí)別，也就是可以估計(jì)參數(shù)；理論一致性：即模型和結(jié)果應(yīng)符合有關(guān)的經(jīng)濟(jì)學(xué)理論；功效：模型應(yīng)有一個(gè)好的能力；擬合優(yōu)度：即在模型符合理論的前提下，擬合優(yōu)度應(yīng)相對(duì)較高等。 隨著計(jì)量經(jīng)濟(jì)學(xué)和經(jīng)濟(jì)學(xué)的發(fā)展

4、，這些傳統(tǒng)觀點(diǎn)受到了較多的批評(píng)：如理論一致性，經(jīng)濟(jì)學(xué)理論在很多情況下，不可能給出唯一的設(shè)定即理論的含糊性，而現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)的功能之一是為經(jīng)濟(jì)學(xué)理論的發(fā)展提供實(shí)證工具即檢驗(yàn)經(jīng)濟(jì)學(xué)理論，因此，所謂理論一致性在某些情況下沒(méi)有性；又如，擬合優(yōu)度也不必過(guò)份強(qiáng)調(diào)；因?yàn)檫^(guò)高的擬合優(yōu)度可能隱含了虛假回歸，或模型包含了不必要的變量，也可能導(dǎo)致較高的擬合優(yōu)度；能力是從統(tǒng)計(jì)的觀點(diǎn)出發(fā)，模型的目的不同，其能力不可能相同等。 根據(jù)Hendry和Richard模型設(shè)定理論，用于實(shí)證分析的模型應(yīng)滿足以下標(biāo)準(zhǔn)：1. 數(shù)據(jù)的相容性，即基于模型進(jìn)行須是邏輯可行的。必2.模型與理論一致性，即模型必須有良好的經(jīng)濟(jì)學(xué)意義和解釋，如對(duì)于

5、佛里的持久收入理論用二元模型進(jìn)行檢驗(yàn)，持久收入理論成立，必然有截距不顯著。又如資產(chǎn)定價(jià)模型有類似的問(wèn)題，消費(fèi)理論中MPC小于1等。 Hendry和Richard模型設(shè)定標(biāo)準(zhǔn)：3.模型的回歸因子(解釋變量)為弱外生變量，即解釋變量與誤差項(xiàng)不相關(guān)，這是經(jīng)典假設(shè)之一，若相關(guān)，就不能正確估計(jì)出解釋變量對(duì)被解釋變量的影響。4.模型的參數(shù)應(yīng)具有穩(wěn)定性或常數(shù)性，若不然，就是非常的。 Hendry和Richard模型設(shè)定標(biāo)準(zhǔn)：5.數(shù)據(jù)的協(xié)調(diào)性，即估計(jì)的殘差必須是純隨機(jī)的(即白噪音或i.i.d)，即隨機(jī)干擾對(duì)因變量沒(méi)有系統(tǒng)性的影響。如果一個(gè)模型是適宜的，估計(jì)的殘差就必為白噪音，若殘差不是白噪音，意味著模型可能存

6、在某種設(shè)定誤差。所以，檢驗(yàn)殘差序列是不是白噪聲過(guò)程或者平穩(wěn)過(guò)程是非常重要的。 白噪聲過(guò)程的理解純隨機(jī)過(guò)程：隨量X（t）t=1，2，3）的，如果是由一個(gè)不相關(guān)的隨即對(duì)于所有S不等于T，隨量的序列量Xt和Xs的協(xié)方差均為零，則稱其為純隨機(jī)過(guò)程。白噪聲過(guò)程：對(duì)于一個(gè)純隨機(jī)過(guò)程來(lái)說(shuō)，若其期望和方差均為常數(shù)，則稱之為白噪聲。理解：白噪聲過(guò)程的樣本實(shí)稱成為白噪聲序列，簡(jiǎn)稱白噪聲。之所以稱為白噪聲，是因?yàn)樗桶坠獾奶匦灶愃疲坠獾墓庾V在各個(gè)頻率上有相同的強(qiáng)度，白噪聲的譜密度在各個(gè)頻率上的值相同。 6.模型有一定的包容性，即正確設(shè)定的模型應(yīng)能解釋與它競(jìng)爭(zhēng)的模型的結(jié)果，或競(jìng)爭(zhēng)模型不可能是正確設(shè)定模型的一種改進(jìn)。

7、 列出上述標(biāo)準(zhǔn)是簡(jiǎn)單的，但發(fā)展這些標(biāo)準(zhǔn)使之具有可檢驗(yàn)性又是很的。目前的以下將對(duì)相對(duì)完正是與發(fā)展并存。備的設(shè)定誤差理論進(jìn)行講解.13.2. 設(shè)定誤差的類型設(shè)定誤差的類型（續(xù)）設(shè)定誤差的類型（續(xù)）設(shè)定誤差的類型（續(xù)）設(shè)定誤差的類型（續(xù)）設(shè)定誤差的類型（續(xù)）由 lnW Education =2 +4Gender可知工資相對(duì)于教育的變化不僅取決于教育水平的變化，還取決于。同樣得出 lnW Gender =3 +4Education，工資相對(duì)于的變化不僅取決于的變化，還取決于教育。設(shè)定誤差的類型（續(xù)） 由上述分析可以看出，工資不僅受到教育和的影響，還受到教育與變量的交叉影響，若忽視這種交叉效應(yīng)，將會(huì)導(dǎo)致

8、設(shè)定誤差。 在上述6類設(shè)定問(wèn)題中，1-4和6類設(shè)定誤差是基本和常見(jiàn)的，稱為模型設(shè)定誤差(M specification error)，其基本特征是與正確設(shè)定的模型相比較。 而第5種設(shè)定誤差稱為模型誤設(shè)所引起的誤差(Mmis-specification error，)，簡(jiǎn)稱為誤設(shè)誤差，其特征是不知道正確設(shè)定的模型，而是從相互競(jìng)爭(zhēng)的模型開(kāi)始。如理論強(qiáng)調(diào)支出對(duì)的作用，而貨幣學(xué)派則強(qiáng)調(diào)貨的作用?；谶@兩種經(jīng)濟(jì)學(xué)理論幣對(duì)于解釋就形成了兩個(gè)相互競(jìng)爭(zhēng)的模型，回歸因子分別為支出和貨幣。從經(jīng)濟(jì)學(xué)計(jì)量經(jīng)濟(jì)學(xué)的實(shí)證，并不知道其中的哪一個(gè)是正確設(shè)定的模型.設(shè)定問(wèn)題關(guān)于u的可能問(wèn)題：1 隨機(jī)誤差項(xiàng)滿足0均值、同方差和沒(méi)

9、有自相關(guān)的條件，則為白噪聲過(guò)程，這是的OLS估計(jì)是BLUE，但是推斷程序只是漸近有效的，必須再滿足正態(tài)分布的假定，是白噪聲過(guò)程，才能得到好的推斷。23同方差干擾項(xiàng)兩兩不相關(guān)。設(shè)定問(wèn)題關(guān)于X的可能問(wèn)題123456丟掉了重要的相關(guān)變量包含了無(wú)關(guān)變量函數(shù)形式不正確X 矩陣非列滿秩：共線性問(wèn)題回歸元與隨機(jī)干擾項(xiàng)相關(guān)變量非平穩(wěn)：虛假回歸問(wèn)題設(shè)定問(wèn)題關(guān)于的問(wèn)題經(jīng)典模型中的 假定：對(duì)于所有實(shí)際和可能的樣本觀測(cè)值，向量不變。思考：隨著社會(huì)和環(huán)境等的變化，系數(shù)可能會(huì)有突然的結(jié)構(gòu)性變動(dòng)，或者會(huì)隨著社會(huì)發(fā)展而逐漸演變。結(jié)構(gòu)穩(wěn)定性檢驗(yàn)，請(qǐng)回顧?quán)u至莊提出的F檢驗(yàn)13.3. 模型設(shè)定誤差的主要基于3變量模型:為使問(wèn)題簡(jiǎn)化

10、， 1.模型擬合不足。去掉了不應(yīng)去掉的變量所.引起的設(shè)定誤差的 2.模型過(guò)度擬合。包含了不應(yīng)包含的變量所引起的設(shè)定誤差的1.模型擬合不足（漏掉相關(guān)變量） 假如在你初次設(shè)定方程時(shí)沒(méi)有考慮到某個(gè)相關(guān)的解釋變量，或者雖然考慮到了該變量但搜集數(shù)據(jù)非常 ，從而導(dǎo)致省略了這個(gè)解釋變量，即，在回歸方 省略了一個(gè)重要的解釋變量。 無(wú)論什么時(shí)候，遺漏（或省去）一個(gè)變量對(duì)估計(jì)方程的解釋和使用都應(yīng)值得懷疑。遺漏一個(gè)相關(guān)變量，比如需求函數(shù)中的價(jià)格，不僅使你無(wú)法得到價(jià)格系數(shù)的估計(jì)，通常還會(huì)造成方程所含變量的系數(shù)估計(jì)值的有偏性。相關(guān)，3i的變化 ，而變化，這使得在Yi 1 2 X 2i vi中的vi與X 2i是相關(guān)的這就

11、違背了解釋變量與隨機(jī)誤差項(xiàng)不相關(guān)的經(jīng)典假設(shè)。遺漏變量X3i的隨機(jī)干擾項(xiàng)vi =3 X3i ui；由于經(jīng)濟(jì)變量之間通常都存在相關(guān)性，X 2i與X3i之間存在一定的 漏掉相關(guān)變量而產(chǎn)生的（續(xù)）2var(2 ) （有偏） 2i2x22 ) var(VIF（無(wú)偏）2x(1 r 222)x2i232i 似乎只要r 2 0 var( ) var( )2322但實(shí)際上，這兩個(gè)模型估計(jì)的隨機(jī)誤差項(xiàng)的方差是不同的。也有可能會(huì)出現(xiàn)var(2 ) var( )2兩難選擇：（2漏掉變量的估計(jì)）雖然有偏，但方差卻更??！思考：遺漏變量對(duì)被解釋變量的重要性和自由度問(wèn)題 漏掉相關(guān)變量而產(chǎn)生的（續(xù)）遺漏PB導(dǎo)致PC由 0.61

12、變成 0.42，由0.24變成0.27。偏誤的方向都是正的。?YD對(duì)PC的期望偏誤 PB f (rPC , PB ) () () ()對(duì)的預(yù)期偏誤 f (r) () () ()?YDPBYD, PB例5.4率（CM嬰兒率的問(wèn)題，將兒童）對(duì)人均GNP（即PGNP）和婦女識(shí)字率進(jìn)行回歸，得出：假定真實(shí)模型:CMi 1 2 PGNPi 3 FLRi ui假定漏掉表變量FLR 模型:CMi 1 2 PGNPi uiFLRi =b1 b2 PGNPi i用被遺漏變量對(duì)方程保留變量進(jìn)行回歸 結(jié)果分析：從上述結(jié)果可以看出，PGNPi 變量的系數(shù)在正確模型的估計(jì)為-0.0056，而在漏掉FLR變量后的系數(shù)估計(jì)

13、為-0.0114.從絕對(duì)值來(lái)看，與真實(shí)模型相比，現(xiàn)在PGMi 有更大的影響。E(2 ) b 0.0056 (2.2316) 0.00256 0.0111,23 32的PGNPi 變量的系數(shù)-0.0114.大致相等。這和遺漏變量方這是因?yàn)镃Mi 1 2 PGNPi vi中的2 估計(jì)的是PGNPi 和FLRi的共同影響。對(duì)于這兩個(gè)模型：CMi 1 2 PGNPi 3 FLRi ui CMi 1 2 PGNPi vi2var(2 ) （有偏） 2i2x2 ) var(VIF（無(wú)偏） 2i 2i2x(1 r 2 )22x23var(2 )和var( )到底哪個(gè)更好?2注意：這兩個(gè)模型的解釋變量不同，R

14、SS不同，所以2的估計(jì)會(huì)不同。 vu2ii（2 無(wú)偏）=而 （有偏）n 3n2在正確模型中，若FLR是一個(gè)很重要的變量，則解釋平方和會(huì)增加，RSS會(huì)減少，凈影響則取決于RSS減少與度減少哪一個(gè)一些。若FLR很重要，可能會(huì) i2u度損失大的多，則這時(shí)的（2 無(wú)偏）=導(dǎo)致RSS減少比會(huì)比較小，因此，n 3模型中包含這種重要變量，不僅僅減少估計(jì)的偏誤，還可以提計(jì)量的精度（標(biāo)準(zhǔn)誤?。?。一方面，若FLR是一個(gè)只有微弱影響的變量，而且若FLR與保留變量PGNPi 之間高度相關(guān)，則雖然減少了系數(shù)估計(jì)的偏差，但增大了標(biāo)準(zhǔn)誤。所以，系數(shù)偏誤與方差大小之間的取舍取決于變量的相對(duì)重要性。擬合不足：矩陣表示擬合不足：

15、估計(jì)系數(shù)有偏小結(jié)模型擬合不足的 1 2 3 4OLS估計(jì)量是有偏的并且是非一致的。誤差項(xiàng)的方差估計(jì)有誤。估計(jì)系數(shù)的方差估計(jì)有偏。置信區(qū)間和假設(shè)檢驗(yàn)的結(jié)果可能產(chǎn)生誤導(dǎo)性的結(jié)論思考：為什么會(huì)導(dǎo)致這些呢？ 模型擬合不足產(chǎn)生上述結(jié)果的原因在于：在現(xiàn)實(shí)經(jīng)濟(jì)社會(huì)系統(tǒng)中，經(jīng)濟(jì)變量之間總是會(huì)存在一定的相關(guān)性，而非完全獨(dú)立的。被 遺漏的解釋變量與模型中保留的變量之間總是會(huì)存在一定的相關(guān)性，而當(dāng)發(fā)生遺漏變量時(shí)，遺漏變量被放在隨機(jī)干擾項(xiàng)中，這是就會(huì)導(dǎo)致所建立模型中的解釋變量與誤差項(xiàng)是相關(guān)的，從而違背了“解釋變量與隨機(jī)干擾項(xiàng)是相關(guān)的”的經(jīng)典假設(shè)。所以就會(huì)導(dǎo)致上述的。遺漏變量如何修正？ 從理論上講，解決設(shè)定偏誤問(wèn)題的方

16、法似乎很簡(jiǎn)單：只需要把遺漏的變量加入到方。不幸的是，由于很多原因使得這個(gè)方法說(shuō)起來(lái)簡(jiǎn)單，做起來(lái)非常難。 難的原因有如下幾個(gè)方面首先，由于遺漏變量所導(dǎo)致的的偏誤很難偵察。如前面提到的，遺漏變量導(dǎo)致的偏誤可能非常小，不容易馬上發(fā)現(xiàn)，尤其是沒(méi)有理由確定自己犯了模型設(shè)定錯(cuò)誤的時(shí)候就更了。有些設(shè)定偏誤的跡象很明顯（比如，一個(gè)系數(shù)的估計(jì)值明顯地與的預(yù)期值背道而馳），但其他設(shè)定就沒(méi)有這么顯然了。你可以僅僅從方程的估計(jì)就判斷出該模型遺漏了一個(gè)變量嗎？遺漏相關(guān)變量最好的判斷標(biāo)準(zhǔn)就是建立模型的理論本身。哪些變量必須包含進(jìn)來(lái)呢？你預(yù)期它們是什么符號(hào)？你期望的系數(shù)值應(yīng)該落在哪個(gè)范圍內(nèi)？你是否無(wú)意中遺漏了一個(gè)大部分者都

17、認(rèn)為很重要的變量？最好的避免遺漏一個(gè)重要變量的方法就是將數(shù)據(jù)輸入電腦之前花時(shí)間徹底全面地方程的設(shè)定。處理遺漏變量之所以復(fù)雜的第二個(gè)原因是，一旦決定了將哪幾個(gè)變量加入方時(shí)，你就應(yīng)確定這種設(shè)定是否存在遺漏變量偏誤的影響。當(dāng)一個(gè)者一個(gè)清晰的設(shè)定偏誤（比如， 估計(jì)值在非預(yù)期的方向顯著異于0，即當(dāng) 預(yù)期顯著為正時(shí)，其估計(jì)值卻是絕對(duì)值較大的負(fù)數(shù)）時(shí)，通常沒(méi)有什么線索能提示是哪一個(gè)變量引起的問(wèn)題。 操作誤區(qū)：提醒（針對(duì)初學(xué)者）選擇的將所有可能的相關(guān)變量都加到方，但是這樣一來(lái)就可能產(chǎn)生較低精度的估計(jì)值。對(duì)大量不同的變量進(jìn)行檢驗(yàn)，然后將一個(gè)具有統(tǒng)計(jì)意義的變量（具有令人滿意的(參數(shù)的)符號(hào)和t統(tǒng)計(jì)量值）包含在模型

18、中，以圖降低設(shè)定偏誤，這是不適當(dāng)?shù)姆椒?。通過(guò)加入一個(gè)所謂曾被“省卻”(left-out，即不是真正遺漏的變量，而是以能修正設(shè)定誤差為目的而通過(guò)不同的回歸檢驗(yàn)找到的變量)的變量來(lái)“修復(fù)”一個(gè)看似荒謬的回歸結(jié)果是無(wú)效的。因?yàn)榧尤肷鲜觥笆s”的變量以最好地修正設(shè)定偏誤僅僅是通過(guò)運(yùn)氣好而碰巧找到，而不是真正解決了設(shè)定問(wèn)題。對(duì)于這種情況，這個(gè)“修正后”的方程也許能對(duì)已有的樣本給出非常好的統(tǒng)計(jì)結(jié)果，但“修正后”的方程擬合其他樣本的結(jié)果會(huì)非常糟糕，因?yàn)樗?指“修正后”的方程)沒(méi)有反應(yīng)總體的真實(shí)特性。2模型過(guò)度擬合模型過(guò)度擬合的過(guò)度擬合估計(jì)系數(shù)的方差會(huì)變大過(guò)度擬合矩陣過(guò)度擬合矩陣過(guò)度擬合矩陣過(guò)度擬合過(guò)度擬合過(guò)

19、度擬合不足擬合與過(guò)度擬合的比較分析 比較發(fā)現(xiàn)包含一個(gè)不應(yīng)包含的變量導(dǎo)致的設(shè)定誤差所產(chǎn)生的應(yīng)去掉的變量導(dǎo)致的似乎沒(méi)有去掉了一個(gè)不嚴(yán)重。但是包含一個(gè)不相關(guān)變量導(dǎo)致估計(jì)量的效率降低，還可能引起多重共線性等。 包含一個(gè)不相關(guān)變量比去掉了一個(gè)相關(guān)變量要好嗎？請(qǐng)慎重！ 特別注意與提醒：看到上述的結(jié)果，你可能會(huì)產(chǎn)生一種誤解，認(rèn)為過(guò)度擬合的沒(méi)有擬合不足那么嚴(yán)重，從而傾向于建立包含較多解釋變量的“大”模型。這種認(rèn)識(shí)實(shí)際上是錯(cuò)誤的。因?yàn)榈膮?shù)估計(jì)結(jié)果是基于一個(gè)特定樣本而得到的。對(duì)一個(gè)無(wú)偏估計(jì)量而言，如果其方差很大，那么，我們的估計(jì)值就很可能與真值有較大的偏離。而對(duì)一個(gè)有偏估計(jì)量而言，如果其偏誤和方差都較小，那么其

20、估計(jì)值與真值的偏差反而有可能比較小。所以，擬合不足和過(guò)度擬合的效果并沒(méi)有明顯的優(yōu)劣差異。因此建立模型最好的方法是：基于理論基礎(chǔ)，模型僅包含那些直接影響應(yīng)變量的解釋變量，且這些解釋變量還不應(yīng)被模型所包含的其它解釋變量所解釋，即解釋變量之間不存在多重共線性的問(wèn)題。決定一個(gè)解釋變量是否應(yīng)包含在方，最主要的考慮是根據(jù)理論判斷這一變量對(duì)于回歸方程是否是必不可少的。如果理論上是明確的或不含糊的，那么該變量無(wú)疑應(yīng)該包含在方顯著性。，即使它在統(tǒng)計(jì)上似乎缺乏如果理論上含糊不清或沒(méi)有強(qiáng)調(diào)，就會(huì)出現(xiàn)進(jìn)退兩難的情況。去掉相關(guān)變量很可能導(dǎo)致方余下變量的系數(shù)估計(jì)的有偏性，但是包含一個(gè)不相關(guān)變量則會(huì)造成估計(jì)系數(shù)的方差過(guò)大。

21、盡管發(fā)展統(tǒng)計(jì)工具來(lái)幫助做出決定，但是在實(shí)際中仍然很難確定一個(gè)變量是否是相關(guān)變量，所以這個(gè)問(wèn)題仍然沒(méi)有解決。從計(jì)量經(jīng)濟(jì)學(xué)的角度看，由者決定將哪些變量包括在回歸方，既有優(yōu)勢(shì)也有不足。優(yōu)勢(shì)在于可以根據(jù)者個(gè)人的需要建立公式化的回歸方程，而不足在于者可以估計(jì)很多設(shè)定直到發(fā)現(xiàn)能“證明”他們的觀點(diǎn)的設(shè)定為止，盡管其他的結(jié)果不能證明這一觀點(diǎn)。13.4設(shè)定誤差的檢驗(yàn) 基于數(shù)據(jù)挖掘最終所得到的模型也就不一定是正確設(shè)定的模型最優(yōu)的。對(duì)基于數(shù)據(jù)采掘建模的批評(píng)主要源于純理論（即基于經(jīng)濟(jì)學(xué)理論）建模派，但從應(yīng)用的角度看，理論通常也不能給出一個(gè)完備的模型設(shè)定，因此應(yīng)用計(jì)量發(fā)展，也認(rèn)為，通過(guò)對(duì)數(shù)據(jù)采掘方法論的到好的模型，因而

22、基于數(shù)據(jù)采掘建模也在發(fā)展之中且得到了較為廣泛的認(rèn)同。 特別注意：上述的顯著性檢驗(yàn)，是基于一個(gè)已經(jīng)建立的計(jì)量經(jīng)濟(jì)學(xué)模型，并基于一個(gè)過(guò)度擬合的假設(shè)，針對(duì)可疑變量而實(shí)施的，其目的在于判定過(guò)度擬合的假設(shè)是否成立，而不是為了篩選解釋變量。 在建立計(jì)量經(jīng)濟(jì)學(xué)模型的過(guò)，很多人通過(guò)對(duì)解釋變量逐個(gè)進(jìn)行顯著性檢驗(yàn)，并根據(jù)檢驗(yàn)結(jié)果剔除不顯著的解釋變量，從而建立所有解釋變量都顯著的計(jì)量經(jīng)濟(jì)學(xué)方程。 實(shí)際上，這樣的建模方法是不恰當(dāng)?shù)?。原因變量系?shù)為0很簡(jiǎn)單，當(dāng)檢驗(yàn)結(jié)論不能時(shí)，并不意味著該變量系數(shù)的真實(shí)值為0，剔除統(tǒng)計(jì)不顯著的變量很可能會(huì)導(dǎo)致模型設(shè)定偏誤。 所以，在此要再次說(shuō)明，顯著性檢驗(yàn)不能作為模型設(shè)定時(shí)解釋變量取舍的

23、主要依據(jù)。 對(duì)目前文獻(xiàn)中存在幾種方法。 成本y與產(chǎn)出x之間的散點(diǎn)圖為下圖，可以看出總成本曲線的S形狀可以由三次多項(xiàng)式模型來(lái)進(jìn)行刻畫：Y440400360320280240200160024681012X對(duì)Yi 1 2 u3i的估計(jì)結(jié)果：i1RESID6420-2-4-601234567891011X對(duì)Yi 1 23 u的估計(jì)ii得出的殘差序列對(duì)Xi畫圖如下，可以看出 殘差序列是圍繞0均值隨機(jī)波動(dòng)的，并沒(méi)有系統(tǒng)性的運(yùn)動(dòng)模式，可以判斷沒(méi)有遺漏解釋變量在誤差項(xiàng)中：若遺漏了X 3，對(duì)Y X uX 2i的估計(jì)結(jié)果：i12i3iiRESID3020100-10-20-3001234567891011X若遺

24、漏了X 3，對(duì)Y X X 2 uii12i3ii的估計(jì)得出的殘差：若遺漏了X 2和X 3，對(duì)Y X uiii12ii的估計(jì)： u若遺漏了X 2和X 3，對(duì)YXiii12ii的估計(jì)得出的殘差：6040200-20-4001234567891011XRESID 由上述成本與產(chǎn)出的舉例分析中，可以看出，當(dāng)遺漏變量時(shí)，估計(jì)的殘差序列會(huì)有規(guī)則的系統(tǒng)性變量。 當(dāng)模型正確設(shè)定時(shí)，殘差應(yīng)為0均值的平穩(wěn)過(guò)程。 一個(gè)簡(jiǎn)明的警告： 進(jìn)行所謂的通過(guò)殘差圖的“殘差分析”似乎很有吸引力，“殘差分析”法試圖找到一種能夠暗示方程具有遺漏變量的殘差模式。 這種方法最重要的問(wèn)題在于待估方程的系數(shù)已經(jīng)受到遺漏變量的影響，這種影響已

25、經(jīng)改變了它們的估計(jì)值。因此，殘差可能只是顯示出一種模式：這種模式只是與具有實(shí)際遺漏變量的殘差的圖形粗略地相似。因而基于殘差的模式引導(dǎo)選擇一個(gè)不正確的變量的可能性是較高的。另外，必須注意殘差分析只能用于在理論上被認(rèn)為是合理的候選變量中做出選擇，而不適用于一般的候選變量。2模型設(shè)定DW檢驗(yàn)3模型設(shè)定的RESET 檢驗(yàn)注：該檢驗(yàn)即可以用于模型函數(shù)形式的檢驗(yàn)，也可用于模型擬合不足的檢驗(yàn)。6040200-20-40160200240280320360400YFRESID從殘差ui 對(duì)Y的圖形i可以看出Y對(duì)u 有一個(gè)ii系統(tǒng)性的影響。6420-2R2由0.84增加到0.998，但并不一定意味著這一增加就顯

26、著，-4-6150200250300350400450YFFRESID從新估計(jì)模型得出的殘差ui對(duì)新估計(jì)Y的圖形可以看出u 是一ii隨機(jī)的干擾，沒(méi)有隨著Y有i規(guī)律性的變化。的RESET 檢驗(yàn)評(píng)述 RESET 檢驗(yàn)其實(shí)是模型誤設(shè)的檢驗(yàn)，而不是對(duì)模型設(shè)定的檢驗(yàn)。 模型設(shè)定檢驗(yàn)與模型誤設(shè)檢驗(yàn)的區(qū)別：模型誤設(shè)：檢驗(yàn)原假設(shè)存在某種誤設(shè)問(wèn)題，而對(duì)立的假設(shè)有很多可能性，這一種檢驗(yàn)不能給出最為適當(dāng)?shù)哪Ｐ驮O(shè)定。模型設(shè)定：可以確定最終的模型選擇形式。4.增補(bǔ)變量的LM檢驗(yàn) 如果模型漏掉了不應(yīng)漏掉的一個(gè)或若干個(gè)變量，用LM檢驗(yàn)可以檢驗(yàn)?zāi)Ｐ褪欠窬哂性O(shè)定誤差(漏掉了不應(yīng)漏掉的一個(gè)或若干個(gè)變量)，從而應(yīng)增補(bǔ)變量。增補(bǔ)變量

27、的LM檢驗(yàn)（續(xù)） LM檢驗(yàn)為：將應(yīng)該包含(但沒(méi)有包含)的變量的模型看作是正確設(shè)定模型的約束模型(即將漏掉的變量的系數(shù)約束為0，如線性成本模型為立方成本模型的約束，即平方項(xiàng)和立方項(xiàng)約束為0)，對(duì)約束模型進(jìn)行回歸的殘差與漏掉的變量應(yīng)相關(guān)， 或漏掉的變量應(yīng)能解釋約束模型的殘差，若如此，應(yīng)增加漏掉的變量。增補(bǔ)變量的LM檢驗(yàn)（續(xù)）由于n Re 10 0.989 9.89621%的臨界值為9.21，則原假設(shè)(約束模型為真)，從而應(yīng)增補(bǔ)X2和X3作為回歸因子到模型中。9013.5測(cè)量誤差 所謂觀測(cè)誤差是指，由于模型設(shè)定或某些特殊定義的變量的數(shù)據(jù)不能直接觀測(cè)，需使用已有的相關(guān)數(shù)據(jù)變換或替代而產(chǎn)生的誤差，或者是

28、技術(shù)和成本等條件的約束，使得樣本數(shù)據(jù)都可能存在一定的誤差。2 .解釋變量的觀測(cè)誤差 結(jié)論：當(dāng)解釋變量中存在測(cè)量誤差時(shí)，得出的OLS估計(jì)量不僅是有偏誤的，且是非一致的，而且隨著樣本容量的增大，OLS估計(jì)量仍有偏誤。 因此 ，在建立模型的過(guò)，采用的數(shù)據(jù)中是否有測(cè)量誤差是必須要考慮和斟酌的問(wèn)題。 2 .解釋變量的觀測(cè)誤差怎么辦？假定的數(shù)據(jù)是給定的收入水平，在推算其他的變量時(shí)，做了如下假定：E(ui ) E(i ) E(i ) （0 0均值），cov( X , u) cov( X , ) cov(u, ) cov(, u) cov( ,) 0（互不相關(guān)的假設(shè)）； 2 100, 2 36, 2 36,u

29、Y 25 0.6 X u ,Y Y , X X iiiiiiiii分別估計(jì)真實(shí)模型：Y X ui12ii當(dāng)采用具有觀測(cè)誤差的解釋變量Xi進(jìn)行估計(jì) Y X ui12ii當(dāng)采用具有觀測(cè)誤差的被解釋變量Yi進(jìn)行估計(jì)Yi 1 2 Xi ui估計(jì)真實(shí)模型： iY uXi12i真實(shí)的估計(jì)系數(shù)1 =25，2 =0.6，對(duì)比可以看出，解釋變量Xi有測(cè)量誤差時(shí)，估計(jì)系數(shù)是有偏誤的。當(dāng)采用具有觀測(cè)誤差的解釋變量Xi進(jìn)行估計(jì)Y X ui12ii0真實(shí)的估計(jì)系數(shù)1 =25，2 =0.6，對(duì)比可以看出，被解釋變量Yi有 測(cè)量誤差時(shí)，估計(jì)系數(shù)不變，但是估計(jì)系數(shù)的標(biāo)準(zhǔn)差變大了。當(dāng)采用具有觀測(cè)誤差的被解釋變量Yi進(jìn)行估計(jì)Yi

30、 1 2 Xi ui真實(shí)的估計(jì)系數(shù)1 =25，2 =0.6，對(duì)比看出，Yi和Xi有測(cè)量誤差時(shí)，估計(jì)系數(shù)有偏誤，且估計(jì)系數(shù)的標(biāo)準(zhǔn)差變大了。1當(dāng)采用具有觀測(cè)誤差的Yi和Xi進(jìn)行估計(jì)Yi 1 2 Xi ui13.6.隨機(jī)項(xiàng)的不正確設(shè)定2313.7.嵌套(Nested)對(duì)非嵌套(-nested)模型456(2).D-M的J檢驗(yàn)7890檢驗(yàn)假設(shè)模型C 1：Yt 1 2 Xt 3 Xt 1ui112 檢驗(yàn)假設(shè)模型D 1：Yt 1 2 Xt 3Yt 1ui23C模型為真的原假設(shè)，則接受自回歸模型D檢驗(yàn)假設(shè)模型：Y X XYD ut12t3t 14tiYC檢驗(yàn)假設(shè)模型：Y XYu3t 1t12t4ti4D模型

31、為真的原假設(shè)，則接受分布滯后模型C5 基于上述兩個(gè)檢驗(yàn)，最后的結(jié)論為：模型C-1，也模型D-1，表明這兩個(gè)模型均不能較好的解釋Y。問(wèn)題是， 以上僅限于在2 由上述結(jié)論2個(gè)模型的結(jié)個(gè)模型中進(jìn)行選擇，導(dǎo)致論，若在多個(gè)模型中進(jìn)行選擇，就可以避免這種現(xiàn)象，但在多個(gè)模型中進(jìn)行判別，問(wèn)題就復(fù)雜得多，對(duì)在多個(gè)模型中如何進(jìn)行選擇，超出本課程的范圍，有相關(guān)文獻(xiàn)來(lái)閱讀和了解。的同學(xué)可以找613.8.選擇模型常用的準(zhǔn)則 在現(xiàn)存的文獻(xiàn)中，模型設(shè)定問(wèn)題已成為一個(gè)很重要的計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域，模型選擇的標(biāo)準(zhǔn)各有優(yōu)勢(shì)，但各有局限，準(zhǔn)則作必要的介紹和分析.以下對(duì)常用的7選擇模型常用的準(zhǔn)則890的Cp準(zhǔn)則（3）1A模型比B模型要好2

32、異常數(shù)據(jù)的問(wèn)題在回歸的背景下，一個(gè)異常數(shù)據(jù)可以定義為一個(gè)具有“很大殘差”的觀測(cè)值，顯著地偏離樣本回歸線的樣本觀測(cè)值。3樣本奇異值：顯著地偏離樣本回歸線的樣本觀測(cè)值4Y1110987奇異值654048121620圖5.4.1X 樣本奇異值異常數(shù)據(jù)的影響OLS估計(jì)量對(duì)奇異樣本數(shù)據(jù)很敏感。殘差不再具有正態(tài)性。125舉例：原數(shù)據(jù)的OLS估計(jì)的結(jié)果為：Y 5.2354 0.2680Xiit值 （32.5819） 17.0191N80 0.7878R2剔除奇異樣本數(shù)據(jù)后:Y 5.2101 0.2764Xiit值 （45.5700） 24.5884N79 0.8870R2126如圖：奇異樣本點(diǎn)位于回歸線右下

33、方，樣本回歸線斜率減小，截距增大。相反，若奇異樣本點(diǎn)位于回歸線左下方，樣本回歸線斜率增大，截距減少。12710987651020304050607080241020816612482400-4-3-2-101-1.0-0.5-0.00.51.0圖5.4.3 含有奇異樣本點(diǎn)時(shí)的殘差直方圖圖5.4.4 剔除奇異樣本點(diǎn)的殘差直方圖奇異樣本點(diǎn)剔除后，對(duì)殘差進(jìn)行JB檢驗(yàn)不能從正態(tài)分布的原假設(shè)。殘差服128等編著2011年6月，計(jì)量經(jīng)濟(jì)學(xué)，高教、 檢測(cè)方法：最簡(jiǎn)便易行的方法：觀察樣本圖形或殘差圖。如果某個(gè)樣本點(diǎn)具有數(shù)值非常大的殘差，基本上就可確認(rèn)為一個(gè)奇異樣本點(diǎn)。圖5.4.5含有奇異樣本點(diǎn)時(shí)的殘差圖129

34、210-1-2-3-4-51020304050607080異常數(shù)據(jù)的處理 關(guān)于異常樣本點(diǎn)的處理，盡管直接將其剔除是法，但是，這種處理方法一般而言并不是恰當(dāng)和明智的。 首先，在時(shí)間序列數(shù)據(jù)中，剔除樣本點(diǎn)直接破壞了樣本數(shù)據(jù)的結(jié)構(gòu)信息。更為嚴(yán)重的是，奇異樣本點(diǎn)本身也提供了關(guān)于總體的相關(guān)信息，有時(shí)甚至是比較重要的信息，直接將其剔除就破壞了樣本的代表性。0異常值杠桿作用 表11.9（p406）給出了20個(gè)國(guó)家的價(jià)格Y和消費(fèi)者價(jià)格X年百分率變化的一個(gè)橫截面數(shù)據(jù)。1可以看出，智利這個(gè)國(guó)家的數(shù)據(jù)遠(yuǎn)遠(yuǎn)大于其他國(guó)家的值?？梢钥礊楫惓Ｖ?。23025異常值20151050051015202530X3Y一下智利這個(gè)國(guó)家

35、的異常值的杠桿作用 包含異常值的估計(jì)結(jié)果 4-85 殘差對(duì)X畫圖：智利數(shù)據(jù)產(chǎn)生的殘差對(duì)其他國(guó)家的殘差有支配性影響。6RESID86420-2-4-6-8051015202530X 剔除智利這個(gè)國(guó)家的數(shù)據(jù)后的散點(diǎn)圖1412108642023456789X7Y8剔除異常值的估計(jì)結(jié)果與包含異常值的估計(jì)結(jié)果進(jìn)行比較 剔除異常值后估計(jì)得出的殘差隨著x的變化沒(méi)有系統(tǒng)性的變化9RESID86420-2-4-6-823456789X 從上面的分析可以看出，當(dāng)異常數(shù)據(jù)會(huì)改變回歸直線的斜率時(shí)，稱之為杠桿數(shù)據(jù)，其是有的數(shù)據(jù)，從樣本數(shù)據(jù)中剔除異常值后會(huì)明顯改變回歸直線的估計(jì)結(jié)果。 當(dāng)包含智利國(guó)家的異常值時(shí)，斜率系數(shù)為

36、 0.76，且在統(tǒng)計(jì)上高度顯著，而剔除異常值后，斜率系數(shù)為0.22，且不顯著異于0，不原假設(shè)，即斜率系數(shù)為0。能 實(shí)際上，當(dāng)異常值會(huì)改變回歸的估計(jì)結(jié)果時(shí)，該異常值起到了杠桿作用，也是有的數(shù)據(jù)。01異常數(shù)據(jù)接近于X的均值，具有較低的杠桿作用，對(duì)回歸系數(shù)沒(méi)有什么影響。2異常數(shù)據(jù)遠(yuǎn)離X的均值，具有很大的杠桿作用，對(duì)回歸系數(shù)具有明顯影響。3異常數(shù)據(jù)具有很大的杠桿作用，對(duì)回歸系數(shù)的影響較低，因?yàn)?它基本上與其他觀測(cè)值在同一條直線上。遞歸最小二乘 當(dāng)不知道經(jīng)濟(jì)的結(jié)構(gòu)轉(zhuǎn)折點(diǎn)時(shí)，的結(jié)構(gòu)穩(wěn)定性檢驗(yàn)就不適用，也不能采用虛擬變量法，這時(shí)可以采用遞歸最小二乘來(lái)進(jìn)行分析。 分別逐次估計(jì)19701974，1975，197

37、6直到19702005，得出估計(jì)系數(shù)，看樣本逐次增大的過(guò)，估計(jì)系數(shù)是否發(fā)生了變化，若系數(shù)的大小沒(méi)有明顯變化，則是穩(wěn)定的，若參數(shù)的估計(jì)值發(fā)生了明顯變化，則意味著存在結(jié)構(gòu)轉(zhuǎn)折。4失靈檢驗(yàn)基于模型Yt 1 2 Xt ut，利用19701981年間的儲(chǔ)蓄與收入數(shù)據(jù)進(jìn)行回歸，得出 和 ，12的實(shí)際然后利用估計(jì)的 和 與198219951219821995年期間的每一年的儲(chǔ)收入數(shù)據(jù)，蓄值。若參數(shù)值沒(méi)有發(fā)結(jié)構(gòu)性的變化，則基估計(jì)系數(shù)不大。的值與儲(chǔ)蓄的實(shí)際值之間應(yīng)該差異5儲(chǔ)蓄的值與實(shí)際值之間的差異多大才算是發(fā)生了結(jié)構(gòu)性變化呢？利用F檢驗(yàn)進(jìn)行判斷：22uuntt2Fnk 2ut1其中：n1：初始回歸所基于1970

38、-1981年期間的觀測(cè)次數(shù)；n2：期間的觀測(cè)次數(shù)；u：對(duì)所有樣本 n n估計(jì)得出的RSS;2t122u: 對(duì)1970-1981年期間的數(shù)據(jù)估計(jì)得出的RSS；tk：待估參數(shù)的個(gè)數(shù)判斷規(guī)則：若計(jì)算的F值大于其臨界值，則原假設(shè)（H0:結(jié)構(gòu)穩(wěn)定或無(wú)結(jié)構(gòu)性變化），則表明儲(chǔ)蓄收入之間的關(guān)系在觀測(cè)期內(nèi)并不穩(wěn)定。6復(fù)習(xí)模型設(shè)定的建議 在實(shí)際應(yīng)用建模中，可能會(huì)常常碰到這樣的困境：在相互競(jìng)爭(zhēng)的模型中，AIC或BIC的差別很小，或R2和Ad- R2相差也不大，或相差較大，但AIC或BIC的差別又很小等等。解決這類困境還沒(méi)有很好的計(jì)量工具。 建議：在選擇變量時(shí)盡可能地減少待估變量的個(gè)數(shù)，同時(shí)盡可能依據(jù)理論而不是統(tǒng)計(jì)上

39、的適合度來(lái)判斷。關(guān)于模型設(shè)定并沒(méi)有標(biāo)準(zhǔn)，最終的選擇取決于每一個(gè)者。8四個(gè)重要的模型設(shè)定準(zhǔn)則1、理論：變量在方是不是含糊不清的？從理論上看是不是合理的？2、t檢驗(yàn)：變量系數(shù)的估計(jì)值在預(yù)期的方向上是不是顯著的？3、R2 ：將變量加入方程后，總體擬合度（根據(jù)度調(diào)整）是不是有所改進(jìn)？4、偏誤：將變量加入方程后，其他變量系數(shù)是否有顯著的變化？9通常，如果上述的四個(gè)條件都滿足，該變量應(yīng)該包含；如果都不滿足，該變量是不相關(guān)變量，可以很在方有把握的將其從方刪掉。當(dāng)方程是一個(gè)典型的遺漏相通常會(huì)提高R2，關(guān)變量的方程時(shí)，將遺漏變量包含在方并且至少會(huì)改變其他一個(gè)變量的系數(shù)。如果是一個(gè)不相關(guān)變量，它的加入將會(huì)降低R

40、2，且t值不顯著，對(duì)其他變量的系數(shù)幾乎沒(méi)有影響。在很多情況下，四個(gè)準(zhǔn)則判斷出的結(jié)論并不一致。例如，可能有的變量的t值不顯著但是大于1。這種情況下，將其加入到方方程的R2會(huì)提高。雖然其t值仍不顯著，但是0 當(dāng)四個(gè)設(shè)定準(zhǔn)則的判斷結(jié)果不一致時(shí)，計(jì)量必須謹(jǐn)慎的加以判斷，不能僅僅依靠這樣的單一的準(zhǔn)則來(lái)決定模型的設(shè)定形式。者不能這種性：通過(guò)試驗(yàn)各種不同的變量組合來(lái)找出從統(tǒng)計(jì)上支持自己結(jié)論的組合。如果你認(rèn)識(shí)到?jīng)Q定變量相關(guān)性的最重要的準(zhǔn)則是理論上的判斷，那么做這樣的決定就會(huì)容易一些了。沒(méi)有統(tǒng)計(jì)上的證據(jù)可以將一個(gè)理論上是必須包含的變量變成一個(gè)“不相關(guān)”變量。一旦者由于缺乏數(shù)據(jù)而被迫將一個(gè)從理論上看是很重要的變量

41、排除時(shí)，這個(gè)方程的有效性也會(huì)受到限制。1 堅(jiān)持的理念：在任何時(shí)候都不能放棄理論上的考慮，即使是在統(tǒng)計(jì)不顯著的時(shí)候。如果從理論的角度分析一個(gè)變量非常重要，但是對(duì)于一個(gè)特定的樣本，它在統(tǒng)計(jì)上是不顯著的，那么仍然應(yīng)該將其保留在方，雖然這樣做會(huì)使結(jié)果看起來(lái)很差。2模型設(shè)定搜索 計(jì)量經(jīng)濟(jì)學(xué)的一個(gè)弱點(diǎn)是者可以通過(guò)操作數(shù)據(jù)集，設(shè)定不同的回歸而產(chǎn)生不同的結(jié)果直到獲得幾乎具有所有期望性質(zhì)的估計(jì)結(jié)果。 關(guān)于如何尋找最優(yōu)模型設(shè)定這個(gè)問(wèn)題，在計(jì)量中間也有較大爭(zhēng)議。3模型設(shè)定搜索實(shí)踐性建議 1、盡可能根據(jù)理論而不是統(tǒng)計(jì)上的擬合度來(lái)選擇變量、選擇方程形式或者類似的設(shè)定問(wèn)題。 2、減少待估方程的數(shù)量 3、在腳注或者附錄中給出所有備選模型的估計(jì)。4或t值是最重要的確定在回歸方 理論 而非是否應(yīng)該包含一個(gè)變量的準(zhǔn)則。 遵循：在嘗試估計(jì)一個(gè)方程之前，設(shè)定模型的大部分工作都已經(jīng)完成。有些時(shí)候總是不可避免的需要估計(jì)一些備選設(shè)定形式。但是這些新的估計(jì)應(yīng)盡可能少做，并且應(yīng)該完全以理論為基礎(chǔ)。 另外，備選設(shè)定應(yīng)該在檢驗(yàn)顯著性和（或）總結(jié)結(jié)果的時(shí)候就明確予以考慮。這樣一來(lái)，關(guān)于最終方統(tǒng)計(jì)性質(zhì)對(duì)于讀者誤導(dǎo)的威脅也就降低了。5模型設(shè)定的序貫搜索 大多數(shù)的計(jì)量試圖通過(guò)估計(jì)一個(gè)初始方程然后相繼去掉或者加入變量（或改變函數(shù)形式）直到找到一個(gè)合理的具有“良好統(tǒng)計(jì)性質(zhì)”方程為止來(lái)進(jìn)行模型設(shè)定。模型設(shè)定的序貫搜索技術(shù)，允許者估計(jì)不同的設(shè)定形式