我们现在回到模型设定的开始,一般而言,模型构建前我们是隐含的假定“我们的模型是对现实的真实反应”,更为专业地讲,假定所选择的模型中不存在着设定偏差或者说设定误差,但是我们回头过来想一下个,我们所选择的模型就一定是没有任何误差的吗?我想,肯定不是的。
那么,我们就回到了下面几个问题的解答上面:
1.“好的”或者“正确的”模型是什么样的呢?有什么性质?
2.存在哪些设定误差呢?设定误差的后果有哪些呢?我们如何诊断设定误差?
一、模型评价标准
计量经济学家哈维(Harvey)列出了模型的标准:
- 节省性;一个模型无法完全把握现实情形,在任何模型建立过程中,一定程度的抽象或简化是不可避免的。
- 可识别性:对给定的一组数据,估计的参数必须具有唯一值,或者说每个参数只有一个估计值。
- 拟合优度:回顾分析的基本思想是用模型中所包含的解释变量来尽可能地解释被解释变量的变化。
- 理论一致性:无论拟合优度有多高,一旦模型中的一个或者多个符号有错误,该模型就不应该是一个好的模型