第三章多元线性回归模型(地研究生).ppt

多元总体线性回归模型矩阵表示 样本回归函数形式 样本线性回归模型矩阵形式 离差形式的普通最小二乘估计正规方程组另一种形式 *二、最大或然估计 对于多元线性回归模型 *三、矩估计（Moment Method, MM） OLS估计是通过得到一个关于参数估计值的正规方程组 四、参数估计量的性质 3、有效性（最小方差性） 赤驰信息准则和施瓦茨准则 离差和的性质* （3） 对数曲线模型：y = a + b ln x 令 x* = ln x，得：y = a + bx* （半对数模型—只有一个变量（解释变量）是以对数形式出现） §3.6 受约束回归 在建立回归模型时，有时根据经济理论需对模型中变量的参数施加一定的约束条件。 受约束回归 一、模型参数的线性约束 二、对回归模型增加或减少解释变量 三、参数的稳定性 *四、非线性约束 一、模型参数的线性约束 二、对回归模型增加或减少解释变量 考虑如下两个回归模型 三、参数的稳定性 *四、非线性约束 也可对模型参数施加非线性约束,如对模型 ２、沃尔德检验（Wald test, W） 沃尔德检验中，只须估计无约束模型。如对 如果约束条件为真，即额外的变量Xk+1, …, Xk+q对Ｙ没有解释能力，则Ｆ统计量较小； 否则，约束条件为假，意味着额外的变量对Ｙ有较强的解释能力，则Ｆ统计量较大。 因此，可通过F的计算值与临界值的比较，来判断额外变量是否应包括在模型中。 讨论： Ｆ统计量的另一个等价式 P96 例3.2.2 1、邹氏参数稳定性检验 建立模型时往往希望模型的参数是稳定的，即所谓的结构不变，这将提高模型的预测与分析功能。如何检验？ 假设需要建立的模型为 在两个连续的时间序列（1,2,…，n1）与（n1+1,…，n1+n2）中，相应的模型分别为： 合并两个时间序列为( 1,2,…，n1 ，n1+1,…，n1+n2 )，则可写出如下无约束回归模型 如果?=?，表示没有发生结构变化，因此可针对如下假设进行检验： H0: ?=? (*)式施加上述约束后变换为受约束回归模型 (*) （**） 因此，检验的F统计量为： 记RSS1与RSS2为在两时间段上分别回归后所得的残差平方和，容易验证， 于是 参数稳定性的检验步骤： （1）分别以两连续时间序列作为两个样本进行回归，得到相应的残差平方： RSS1与RSS2 （2）将两序列并为一个大样本后进行回归，得到大样本下的残差平方和RSSR （3）计算F统计量的值，与临界值比较： 若F值大于临界值，则拒绝原假设，认为发生了结构变化，参数是非稳定的。 该检验也被称为邹氏参数稳定性检验（Chow test for parameter stability）。 2、邹氏预测检验 上述参数稳定性检验要求n2k。 如果出现n2k ，则往往进行如下的邹氏预测检验（Chow test for predictive failure）。 邹氏预测检验的基本思想: 先用前一时间段n1个样本估计原模型，再用估计出的参数进行后一时间段n2个样本的预测。 如果预测误差较大，则说明参数发生了变化，否则说明参数是稳定的。 分别以?、? 表示第一与第二时间段的参数，则 其中， 如果? =0，则 ? = ?，表明参数在估计期与预测期相同 (*) (*)的矩阵式： 可见，用前n1个样本估计可得前k个参数?的估计，而?不外是用后n2个样本测算的预测误差X2(? - ?) (**) 如果参数没有发生变化，则?=0，矩阵式简化为 (***) （***）式与（**）式 这里：KU - KR=n2 RSSU=RSS1 分别可看成受约束与无约束回归模型，于是有如下F检验： 第一步，在两时间段的合成大样本下做OLS回归，得受约束模型的残差平方和RSSR ； 第二步，对前一时间段的n1个子样做OLS回归，得残差平方和RSS1 ； 第三步，计算检验的F统计量，做出判断： 邹氏预测检验步骤： 给定显著性水平?，查F分布表，得临界值F?(n2, n1-k-1) 如果 FF(n2, n1-k-1) ，则拒绝原假设，认为预测期发生了结构变化。 例3.6.2 中国城镇居民食品人均消费需求的邹氏检验。 1、参数稳定性检验 1981~1994： RSS1=0.003240 1995~2001： (9