下载文档原格式
第九章模型设定Model Specification and Diagnostic Testing1. Introduction假如模型没有被正确设定，我们会遇到model specification error或model specification bias 问题。
本章主要回答这些问题：1、选择模型的标准是什么？2、什么样的模型设定误差会经常遇到？3、模型设定误差的后果是什么？4、有那些诊断工具来发现模型设定误差？5、如果诊断有设定误差，如何校正，有何益处？6、怎样评估相互竞争模型的表现（model evaluation）？Model Selection Criteria这是笼统的模型选择标准：1、利用该模型进行预测在逻辑上是可能的；2、模型的参数具有稳定性，否则，预测就很困难。
弗里德曼说：模型有效性的唯一检验标准就是比较模型的预测是否与经验一致。
3、模型要与经济理论一致。
4、解释变量必须与误差项不相关。
5、模型的残差必须是白噪声；否则就存在模型设定误差。
6、最后选择的模型应该涵盖其它可能的竞争模型；也就是说，其他模型不应该比所选模型的表现更好。
Types of specification errors大概有这几种设定误差：设定误差之一：所选模型忽略了重要的解释变量（该解释变量被包含在模型误差中）设定误差之二：所选模型包含了不必要或不相关的解释变量设定误差之三：所选模型具有错误的方程形式（比如y采用了不该采用的对数转换）设定误差之四：被解释变量and/or解释变量测量偏差（所用数据相对于真实值有偏差）导致的误差（commit the errors of measurement bias）设定误差之五：随机误差项进入模型的形式不对引起的误差（比如是multiplicatively还是additively）The assumption of the CLRM that the econometric model is correctly specified has two meanings. One, there are no equation specification errors, and two, there are no model specification errors.上面概括的五种设定误差称为equation specification errors。
简答题一、计量经济学的步骤答：选择变量和数学关系式 —— 模型设定 确定变量间的数量关系 —— 估计参数 检验所得结论的可靠性 —— 模型检验 作经济分析和经济预测 —— 模型应用 二、模型检验答：所谓模型检验，就是要对模型和所估计的参数加以评判，判定在理论上是否有意义，在统计上是否有足够的可靠性。
对计量经济模型的检验主要应从以下四方面进行：1、经济意义的检验。
2、统计推断检验。
3、计量经济学检验。
4、模型预测检验。
三、模型应用 答：（1）经济结构分析，是指用已经估计出参数的模型，对所研究的经济关系进行定量的考查，以说明经济变量之间的数量比例关系。
（2）经济预测，是指利用估计了参数的计量经济模型，由已知的或预先测定的解释变量，去预测被解释变量在所观测的样本数据以外的数值。
（3）政策评价，是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案作出评价。
（4）检验与发展经济理论，是利用计量经济模型去验证既有经济理论或者提出新的理论。
四、普通方法的思想和它的计算方法答：计量经济学研究的直接目的是确定总体回归函数12,然而能够得到的知识来自总体的若干样本的观测值，要用样本信息建立的样本回归函数尽可能“接近”地去估计总体回归函数。
为此，可以以从不同的角度去确定建立样本回归函数的准则，也就有了估计回归模型参数的多种方法。
例如，用生产该样本概率最大的原则去确定样本回归函数，成为极大似然发展；用估计的剩余平方和的最小的原则确定样本回归函数。
称为最小二乘法则。
为了使样本回归函数尽可能接近总体回归函数，要使样本回归函数估计的与实际的的误差尽量小，即要使剩余项越小越好。
可是作为误差有正有负，其简单代数和∑最小的准则，这就是最小乘准则，即∑∑∑五、简单线性回归模型基本假定 答：（1）对模型和变量的假定,如12i i iY X u ββ=++①假定解释变量x 是确定性变量,是非随机的,这是因为在重复抽样中是取一组固定的值.或者虽然是随机的,但与随机扰动项也是不相关；②假定模型中的变量没有测量误差。
计量经济学名词解释1、计量经济学计量经济学是一个分支学科，以揭示经济活动中客观存在的数量关系为内容的分支学科，统计学，经济理论和数学这结合便构成了计量经济学。
2、计量经济学模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。
3、解释变量影响被解释变量的因素或因子，是原因变量，记为“X”.4、被解释变量结果变量称为被解释变量，记为“Y”。
5、结构分析结构分析是对经济现象中变量之间相互关系的研究。
所采用的主要方法是弹性分析、乘数分析与比较静力分析。
6、时间序列数据按照时间先后顺序排列的统计数据，又称为纵向数据。
7、截面数据一批发生在同一时间截面上的调查数据，又称横向数据。
8、平行数据（面板数据）时间序列数据与截面数据的合成体，又称面板数据。
9、回归分析回归分析是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。
10、随机误差项被解释变量数值与其条件期望之间的离差，是一个不可观测的随机变量，称为随机误差项，或随机干扰项。
11、最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配。
12、最佳线性无偏估计量拥有有限样本性质或小样本性质这类性质的估计量，称为最佳线性无偏估计量。
13、拟合优度是SRF对样本观测值的拟合程度，即样本回归直线与观测散点之间的紧密程度。
14、方程显著性检验对所有被解释变量与解释变量之间的线性关系在总体上是否显著成立做出推断的检验。
15、变量显著性检验是对模型中某一个具体的解释变量X与被解释变量Y之间的线性关系在总体上是否显著成立做出判断，换言之，是考察所选择的X在总体上是否对Y有显著的线性影响。
16、最小样本容量是指从最小二乘原理和最大似然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。
17、满足基本要求的样本容量当n≥30或者至少n≥3(k+1)时，才能说满足模型估计的基本要求。
18、需求函数的零阶齐次性当所有商品价格和消费者货币支出总额按照同一比例变动时，需求量保持不变，这就是所谓的消费者无货币幻觉。
1、完全共线性：对于多元线性回归模型，其基本假设之一是解释变量1x ，2x ，…，k x 是相互独立的，如果存在02211=+++ki k i i x c x c x c ，i=1，2，…，n ，其中c 不全为0，即某一个解释变量可以用其他解释变量的线性组合表示，则称为完全共线性。
2、虚假序列相关：由于随机干扰项的序列相关往往是在模型设定中遗漏了重要的解释变量或对模型的函数形式设定有误时而导致的序列相关。
3、残差项：是指对每个样本点，样本观测值与模型估计值之间的差值。
4、多重共线性：在经典回归模型中总是假设解释变量之间是相互独立的。
如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。
5、无偏性：是指参数估计量的均值（期望）等于模型的参数值。
6、工具变量：是在模型估计过程中被作为工具使用，以替代模型中与随机误差项相关的随机解释变量的变量。
7、结构分析：经济学中所说的结构分析是指对经济现象中变量之间关系的研究。
8、虚假回归（伪回归）：如果两列时间序列数据表现出一致的变化趋势（非平稳），即它们之间没有任何经济关系，但进行回归也会表现出较高的可决系数。
9、异方差性：即相对于不同的样本点，也就是相对于不同的解释变量观测值，随机干扰项具有不同的方差。
10、计量经济学：它是经济学的一个分支学科，以揭示经济活动中客观存在的数量关系为内容的分支学科。
11、计量经济学模型：揭示经济活动中各种因素之间的定量关系，用随机性的数学方程加以描述。
12、截面数据：是一批发生在同一时间截面上的数据。
13、回归分析：是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论，其目的在于通过后者的已知和设定值，去估计和（或）预测前者的（总体）均值。
14、随机误差项：观察值围绕它的期望值的离差就是随机误差项。
15、最佳线性无偏估计量（高斯-马尔可夫定理）：普通最小二乘估计量具有线性性、无偏性和有效性等优良性质，是最佳线性无偏估计量，这就是著名的高斯-马尔可夫定理。
引用格式：吴晓亮, 王凌, 高雁凤, 等. 工业机器人性能测试方法的运动学模型误差灵敏度分析[J]. 中国测试，2023, 49(8): 134-142. WU Xiaoliang, WANG Ling, GAO Yanfeng, et al. Sensitivity analysis of performance tests for industrial robots to parameter errors of kinematic model[J]. China Measurement & Test, 2023, 49(8): 134-142. DOI: 10.11857/j.issn.1674-5124.2022030017工业机器人性能测试方法的运动学模型误差灵敏度分析吴晓亮， 王 凌， 高雁凤， 陈锡爱， 王斌锐(中国计量大学机电工程学院，浙江 杭州 310018)摘 要: 当前，少部分学者对工业机器人性能测试进行研究，行业领域也已颁布国家标准GB/T 12642—2013，但是对工业机器人性能测试方法的研究却仍然很不充分，评测方法的设计缺乏理论分析依据。
文章基于运动学模型，通过研究工业机器人关键性能测试方法对运动学模型参数误差的灵敏度，以及部分测试指标的灵敏度空间分布特性，从而分析机器人性能测试方法关键测试指标的适用性。
数据结果表明：位置准确度相对于运动学模型参数误差的灵敏度均不为零；姿态准确度和位姿重复性测试方法存在不足。
在主要考虑运动学模型几何参数误差的情况下：工业机器人位置准确度测试也是十分必要的，现有国家标准中的姿态准确度和姿态重复性评价工业机器人具有局限性。
文章的研究有助于改进工业机器人性能评测方法，也能够帮助机器人制造企业分析和提高机器人运动性能。
关键词: 工业机器人; 性能测试方法; 运动学模型; 灵敏度分析中图分类号: TP242.2;TB9文献标志码: A文章编号: 1674–5124(2023)08–0134–09Sensitivity analysis of performance tests for industrial robots toparameter errors of kinematic modelWU Xiaoliang, WANG Ling, GAO Yanfeng, CHEN Xiai, WANG Binrui(College of Mechanical and Electrical Engineering, China Jiliang University, Hangzhou 310018, China)Abstract : At present, a small number of scholars have studied the performance test of industrial robots, and the national standard GB/T 12642—2013 has been issued in the industry. However, the research on the performance test method of industrial robots is still insufficient, and the design of evaluation method is lack of theoretical analysis basis. Based on the kinematics model, this paper studies the sensitivity of the key performance test method of industrial robot to the parameter error of kinematics model and the sensitivity spatial distribution characteristics of some test indexes, so as to analyze the applicability of the key test indexes of robot performance test method. The results show that the sensitivity of position accuracy to the parameter error of kinematic model is not zero. The attitude accuracy and pose repeatability test methods are insufficient.When the geometric parameter error of kinematic model is mainly considered, the position accuracy test of收稿日期: 2022-03-03；收到修改稿日期: 2022-05-06基金项目: 国家重点研发计划项目（2018YFB2101004）；浙江省公益技术应用研究分析测试项目（LGC21F030001）作者简介: 吴晓亮（1997-），男，安徽合肥市人，硕士研究生，专业方向为机器人技术及应用。
1、完全共线性：对于多元线性回归模型，其基本假设之一是解释变量1x ，2x ，…，k x 是相互独立的，如果存在02211=+++ki k i i x c x c x c ，i=1，2，…，n ，其中c 不全为0，即某一个解释变量可以用其他解释变量的线性组合表示，则称为完全共线性。
2、虚假序列相关：由于随机干扰项的序列相关往往是在模型设定中遗漏了重要的解释变量或对模型的函数形式设定有误时而导致的序列相关。
3、残差项：是指对每个样本点，样本观测值与模型估计值之间的差值。
4、多重共线性：在经典回归模型中总是假设解释变量之间是相互独立的。
如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。
5、无偏性：是指参数估计量的均值（期望）等于模型的参数值。
6、工具变量：是在模型估计过程中被作为工具使用，以替代模型中与随机误差项相关的随机解释变量的变量。
7、结构分析：经济学中所说的结构分析是指对经济现象中变量之间关系的研究。
8、虚假回归（伪回归）：如果两列时间序列数据表现出一致的变化趋势（非平稳），即它们之间没有任何经济关系，但进行回归也会表现出较高的可决系数。
9、异方差性：即相对于不同的样本点，也就是相对于不同的解释变量观测值，随机干扰项具有不同的方差。
10、计量经济学：它是经济学的一个分支学科，以揭示经济活动中客观存在的数量关系为内容的分支学科。
11、计量经济学模型：揭示经济活动中各种因素之间的定量关系，用随机性的数学方程加以描述。
12、截面数据：是一批发生在同一时间截面上的数据。
13、回归分析：是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论，其目的在于通过后者的已知和设定值，去估计和（或）预测前者的（总体）均值。
14、随机误差项：观察值围绕它的期望值的离差就是随机误差项。
15、最佳线性无偏估计量（高斯-马尔可夫定理）：普通最小二乘估计量具有线性性、无偏性和有效性等优良性质，是最佳线性无偏估计量，这就是著名的高斯-马尔可夫定理。
1.什么是计量经济学?答: 计量经济学是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
2.什么是总体回归函数和样本回归函数？他们之间的区别是什么？答:假如已知所研究的经济现象的总体的被解释变量Y和解释变量X的每个观测值有规律的变化（通常这是不可能的！），那么，可以计算出总体被解释变量Y的条件期望E(Y|Xi) 并将其表现为解释变量X的某种函数E(Y|Xi) =f(Xi) ，这个函数称为总体回归函数。
如果把被解释变量Y的样本条件均值表示为解释变量X的某种函数，这个函数称为样本回归函数。
Y^i=β^1+β2Xi区别:（1）总体回归线是未知，但它是确定的；样本回归线随抽样波动而变化，可以有许多条。
（2）总体回归函数的参数虽未知，但是确定的常数；样本回归函数的回归系数可估计，但是随抽样而变化的随机变量；（3）总体回归函数中的随机误差项ut 是不可直接观测的；而样本回归函数中的残差et 是只要估计出样本回归估计值就可以计算的数值。
3.对随机误差扰动项的假设？答:(1)、随机误差项是一个期望值或平均值为0的随机变量；(2)、对于解释变量的所有观测值，随机误差项有相同的方差；(3)、随机误差项彼此不相关；(4)、解释变量是确定性变量，不是随机变量，与随机误差项彼此之间相互独立；(5)、随机误差项服从正态分布。
4.ols估计量的统计性质与对模型的基本假定的关系是什么？1.多元回归的基本假设是什么，与简单线性回归的基本假设有什么区别？答:1：零均值假定2.同方差和无自相关假定3随机扰动项与解释变量不相关4.无多重共线性假定5.正态性假定区别:多元的基本假设比简单的多了一个无多重共线性假定。
2.F检验，是检验什么的？t检验，检验什么？答:T检验是对回归参数的检验。
F检验是对多元线性回归模型中所有解释变量之间的线性关系在整体上是否显著的检验。
3.可决系数的显著性是通过什么来检验的？答:可决系数可以作为综合度量回归模型对样本观测值拟合优度的度量指标。
