新计量经济学（第二版） 教学课件 潘省初 著 ets4.pptVIP

第四章 多元线性回归模型 简单线性回归模型的推广 例：给定20组Y, X1, X2, X3的观测值，试检验模型 中X1和X3对Y是否有影响？ 解：（1）全回归 估计 得到：S =∑e2 = 25 （2）有约束回归 估计 得到：SR =∑e2 = 30 原假设 H0: β1 = β3 = 0 备择假设 H1: H0不成立 我们有：n=20, g=2, k=3 用自由度（2，16）查F分布表，5%显著性水平下，FC=3.63 ∵F=1.6 FC =3.63, 故接受H0。 结论：X1和X3对Y无显著影响 3．全部斜率系数为0的检验 上一段结果的一个特例是所有斜率系数均为0的检验，即回归方程的显著性检验： H0： β1 =β2 = … = βK = 0 也就是说，所有解释变量对Y均无影响。 注意到 g=K， 则该检验的检验统计量为： 分子分母均除以 ，有 从上式不难看出，全部斜率为0的检验实际是检验R2的值是否显著异于0，如果接受原假设，则表明因变量的行为完全归因于随机变化。若拒绝原假设，则表明所选择模型对因变量的行为能够提供某种程度的解释。 二．检验其他形式的系数约束条件 上面所介绍的检验若干个系数显著性的方法，也可以应用于检验施加于系数的其他形式的约束条件，如 检验的方法仍是分别进行有约束回归和无约束回归，求出各自的残差平方和 SR 和 S，然后用 F 统计量进行检验。 当然，单个系数的假设检验，如 H0： ?3=1.0，亦可用t检验统计量进行检验。 例：Cobb-Douglas生产函数 Y=AKαLβν 试根据美国制造业1899-1922年数据检验规模效益不变的约束：α+β=1 解：（1）全回归 （2）有约束回归： 将约束条件代入，要回归的模型变为： Y=AKαL1-αν 为避免回归系数的不一致问题， 两边除以L，模型变换为： Y/L=A(K/L)αν 回归，得： 由软件包可得到约束回归和全回归的残差平方和分别为 SR=0.0716 S=0.0710 （3）检验 原假设 H0:α+β＝1 备择假设 H1:α+β≠1 本例中，g=1, K=2, n=24 用自由度（1，21）查F表，5%显著性水平下， Fc=4.32 ∵F=0.18 Fc=4.32 故接受原假设H0:α+β＝1 （4）结论 我们的数据支持规模收益不变的假设。 *三、似然比(LR)检验、沃尔德(W)检验与拉格朗日乘数(LM)检验 除了前面介绍的t检验和F检验以外，还有三种著名的检验方法：似然比检验（Likelihood Ratio test，LR）、沃尔德检验（Wald test, W）与拉格朗日乘数检验(Lagrange Multiplier test, LM)。它们都是基于极大似然法（ML法）的大样本检验方法，在计量经济分析的一些领域得到广泛应用，尤其是可用于非线性约束与非线性模型的检验，对于这方面的检验，t检验和F检验之类的小样本检验方法是无能为力的。但这些大样本检验法涉及对极大似然法的深入讨论和较高深的数学推导，详细介绍它们超出了本书的范围，仅在本段作简单介绍。 设θ表示模型中的参数集（如双变量线性模型中，θ由三个参数 组成），L(θ)为似然函数， 表示无约束极大似然估计值（unrestricted MSE）， 表示有约束极大似然估计值（restricted MSE）。W检验仅用 ，LM检