欢迎来到模型误设（Model Misspecification）的世界！

在之前的计量经济学课程中，我们已经学会如何建立并解读回归模型。但如果我们建立的模型从根本上就错了，会发生什么事呢？这就是所谓的模型误设（Model Misspecification）。试着把回归模型想像成盖房子的蓝图。如果蓝图本身有错——比如少了一根支撑梁，或者用了错误的建材——那么无论建筑工人技术多好，整栋房子最终还是会倒塌。

在本章中，我们要学会如何找出这些“蓝图错误”、它们为何会发生，以及它们会如何干扰我们的投资分析。如果起初觉得有些抽象也不用担心，我们会一点一点把它拆解开来！

1. 什么是模型误设？

模型误设是指我们设定模型时违反了线性回归的基本假设。如果模型被误设，回归系数（\(b_i\)）就会产生偏差（Biased）且不一致（Inconsistent）。这代表我们的预测将会失准，而我们的假设检验（如 t-检验）也将不再可靠。

模型误设的三大类别

我们通常将这些错误归纳为三大类：

  1. 函数形式（Functional Form）： 我们选用了错误的数学关系（例如：明明数据是曲线，却硬要用直线来拟合）。
  2. 解释变量（Explanatory Variables）： 我们遗漏了重要的变量，或者加入了一些不该加入的变量。
  3. 测量误差（Measurement Error）： 数据本身存在“噪音”或记录不准确。

快速复习： 如果模型误设，误差项（\(\epsilon\)）就会与自变量（\(X\)）产生相关性。这可是违反了回归分析的核心规则！

2. 遗漏变量偏差（缺失的成分）

想像你要预测房价。你加入了卧室数量作为变量，但却遗漏了地区品质。由于地区品质通常与卧室数量相关（较大的房子往往位于较好的地段），模型会把原本由地区导致的价格上涨，错误地“怪罪”在卧室数量上。

遗漏变量的结果：

  • 模型呈现偏差（Biased）：估计出的系数系统性地过高或过低。
  • 模型呈现不一致（Inconsistent）：即使我们增加数千个数据点，误差也不会消失。

你知道吗？ 在基础统计学中，这常被称为“潜在变量（Lurking variable）”偏差。在 CFA 课程中，我们关注的是它如何导致我们的 \(b\) 系数变得不可信。

3. 函数形式误设

有时候，我们模型的“形状”就是错的。以下是我们最容易犯的错误：

A. 遗漏变量转换

如果 \(X\) 和 \(Y\) 之间的关系是曲线（指数型），但我们却使用了标准的线性回归（\(Y = b_0 + b_1X\)），我们的模型将无法拟合。这时我们可能需要对变量使用自然对数（Natural log）来使其线性化。

B. 不当地合并数据（Pooling Data）

如果你把 1990 年的数据和 2024 年的数据“混合”在一起做回归，这就叫合并数据。如果这段时间经济发生了根本性的改变，你的系数将无法准确描述任何一个时期。这就像试图通过测量幼童和 NBA 球员的脚，来计算平均鞋码一样——这个平均值对谁都不适用！

关键点： 在合并数据前，务必确认它们来自同一个“总体”或时期。

4. 内生性（Endogeneity）与变量及误差项的相关性

这听起来是个可怕的词，但内生性其实只是指自变量（\(X\)）与误差项（\(\epsilon\)）相关。这是回归分析中的“弥天大罪”。通常由以下三个原因造成：

1. 遗漏变量（如前所述）

2. 测量误差

如果你的 \(X\) 数据“模糊”或不准确，这些不准确性会进入误差项中。这会让变量（\(X\)）看起来比实际影响力更小（这称为衰减偏差（Attenuation bias））。

3. 同步性（双向因果）

在标准回归中，我们假设 \(X\) 导致 \(Y\)。但如果 \(Y\) 也会导致 \(X\) 呢？
例子： 高营销支出（\(X\)）是否会带来高销售额（\(Y\)）？还是说销售额高的公司（\(Y\)）本来就有更多钱花在营销上（\(X\)）？如果关系是双向的，模型就是误设的。

总结提示： 若看到“同步性”、“遗漏变量”或“测量误差”，请马上想到：系数不一致且具偏差。

5. 定性因变量（Qualitative Dependent Variables）

到目前为止，我们假设因变量（\(Y\)）是一个数值（如股价）。但如果 \(Y\) 是“是/否”或“通过/不通过”的结果呢？我们称这些为定性因变量。

你不能对此使用标准的普通最小二乘法（OLS），因为 OLS 可能会预测出 150% 或 -20% 的概率，这是不可能的！相反，我们使用以下三种模型：

  • Probit 模型： 基于正态分布，用来估计事件发生的概率。
  • Logit 模型： 基于逻辑分布（Logistic distribution）。与 Probit 相似，但使用了不同的数学“曲线”。
  • 判别分析（Discriminant Analysis）： 这会创造一个“分数”来将观察值分组（例如：“会破产”对“不会破产”）。知名的 Altman Z-score 就是一个很好的例子。

快速复习盒：
Y 是数值？ 使用线性回归。
Y 是 是/否？ 使用 Probit 或 Logit 模型。

6. 关键问题与后果总结

为了帮助你复习，这里有一份当事情出错时会发生的“作弊小抄”：

问题 后果
遗漏变量 系数具偏差且不一致。
变量缩放不当 标准误（Standard errors）会出错，导致 t-检验不可信。
测量误差 系数具偏差且不一致。
同步性 系数具偏差且不一致。

最后的鼓励

计量方法有时候感觉就像在学一门新的语言。如果“内生性”和“同步性”让你感到困惑，请记住核心讯息：自变量绝对不能跟误差项“称兄道弟”。 如果两者相关，你的结果就会出现偏差，你就不能信任你的模型来做投资决策。你一定做得到的，加油！