高铁梅老师的EVIEWS教学课件第十五章 定义和诊断检验.ppt

第十五章定义和诊断检验
经验研究经常是一种相互影响的过程。这一过程从估计关系的定义开始。选择定义常含有几个选择:变量,连接这些变量的函数,以及当数据是时间序列时表示变量间关系的动态结构。
不可避免地,在初始定义的恰当性方面存在不确定性。一旦估计了方程,EViews提供了评价方程定义质量的工具。随着改进,检验结果将影响所选择的定义,这一过程将重复下去,直到方程定义恰当为止。
本章描述了在方程对象的View和Procs中关于定义检验统计量的多个菜单。我们试图提供足够的统计方法来进行这些检验,但是实际考虑的许多描述是不完全的,建议查阅标准统计和经济计量学参考资料。
下面描述的每一检验过程包括假设检验的原假设定义。检验指令输出包括一个或多个检验统计量样本值和它们的联合概率值(p值)。p值说明在原假设为真的情况下,样本统计量绝对值的检验统计量大于或等于临界值的概率。这样,低的p值就拒绝原假设。例如,,原假设在5%被拒绝而不是在1%水平。切记:对每一检验都有不同假设和分布结果。例如,有些检验统计量有确切的有限的样本分布(常为t或F分布)。其它是服从近似分布的大样本检验统计量。每一检验的内容都不同,将分别描述。
方程对象菜单的View中给出三种检验类型选择来检验方程定义。包括系数检验、残差检验和稳定性检验:
其它检验在其它章节讨论。它们包括单位根检验(13章)、Granger因果检验(8章)和Johansen协整检验(19章)。
§ 系数检验
系数检验对估计系数的约束进行评价,包括对遗漏变量和冗余变量特殊情况的检验。
一、Wald检验——系数约束条件检验
1、Wald检验原理
Wald检验没有把原假设定义的系数限制加入回归,通过估计这一无限制回归来计算检验统计量。Wald统计量计算无约束估计量如何满足原假设下的约束。如果约束为真,无约束估计量应接近于满足约束条件。下面给出计算Wald 检验统计量的一般公式。
考虑一个一般非线性回归模型
其中y和是T 维向量, 是待估计参数的k维向量。对参数的任何约束可以写为:
g是一个光滑函数,(对加入q个约束条件)。Wald统计量由下式计算:
T 为观测值个数,b是非限制参数估计向量。下式给出b的估计方差V:
u是无约束残差向量,s2是无约束残差方差。进一步,在原假设下,Wald统计量服从渐近分布。q是下的约束数。
Wald检验可以应用到LS,TSLS,非线性LS等模型和系统估计的方程。Wald检验是本章描述的唯一可应用到系统方法估计的方程的检验方法。
对于一个线性回归模型
一个线性约束:
式中R是一个已知的阶矩阵,r 是 q 维向量。Wald统计量简写为:
W 在下服从渐近分布。进一步假设误差独立同时服从正态分布,我们就有一确定的、有限的样本F-统计量
是约束回归的残差向量。F统计量比较有约束和没有约束计算出的残差平方和。如果约束有效,这两个残差平方和差异很小,F统计量值也应很小。EViews显示和F统计量以及相应的 p 值。
2、如何进行Wald系数检验
为介绍如何进行Wald系数检验,我们考虑一个例子。1928年美国数学家Cobb和经济学家Douglas提出的生产函数的数学形式为
Q为产出增加量,K为资本投入,L为劳动力投入。很容易推出参数
分别是资本和劳动的产出弹性。那么由产出弹性的经济意义,应该有
在最初提出的C-D生产函数中,假定参数满足,也就是假定研究对象满足规模报酬不变。
即当资本与劳动的数量同时增长倍时,产出量也增长倍。1937年,提出了C-D生产函数的改进型,即取消了的假定,允许要素的产出弹性之和大于1或小于1,即承认研究对象可以是规模报酬递增的,也可以是规模报酬递减的,取决于参数的估计结果。
Cobb-Douglas生产函数估计形式如下:
利用美国主要金属工业企业的数据(27个企业的数据),C-D生产函数估计结果如下:
(1)
从结果看LogL和logK的系数和小于1,但为确定这种差异是统计相关的,我们常进行有约束的Wald系数检验。选择View/Coefficient Tests/Wald-Coefficient Restrictions,在编辑对话框中输入约束条件。约束条件应表示为含有估计参数和常数(不可以含有序列名)的方程,系数应表示为c(1),c(2)等等,除非在估计中已使用过一个不同的系数向量。为检验的规模报酬不变的假设,在对话框中输入下列约束:
c(2) + c(3) = 1
单击ok,EViews显示Wald检验如下结果(原假设:约束条件有效):
EViews显示F统计量和统计量及相应的P值。统计量等于F 统计量乘以检验约束条件数。本例中,仅有一个约束条件,所以这两个