约束系数模.pptVIP

约束系数模型 在建立回归模型时，有时需要根据经济理论对模型中变量 的参数施加一定的约束。例如，在估计以幂函数的形式表示 的生产函数模型时，有时也施加产出关于资本与劳动的弹性 为1的约束。模型施加约束后进行回归，称为受约束的回归。 对于约束的情形，有些是给定某些回归系数值，有些则是 给出系数间的某种关系。主要考虑四种约束情形：定期约 束，不等式约束，线性约束，非线性约束。 一、定期约束 以两个解释变量为例，设 （7.2.1） 假定已知 ，回归方程变为 用最小二乘估计法可以得到 为推导公式，注意到 一、定期约束 一、定期约束 从而可以得到： 一、定期约束 可以用无偏估计量S2 代替 ，计算出 方差 注意：受约束的 的最小二乘估计包含了β1=0的信息，而 且受约束的方差比正常未受约束的方差要小。 一、定期约束 由上式可以得出 同样对 也有一样的结果，即受约束的估计比不受约束的估计有较小的 方差。 一、定期约束 现假定（7.2.1）的回归方程 已知回归系数 的斜率，则方程可以写为 其中 ，此时 估计值在无约束和受约束 时的方差比为 其中r23是xi2和xi3的相关系数。由上式可以发现，除非r23为0，不然估 计 时用到 会有附加的影响，且当r23近似为1时，影响相当大 ，即两个变量有很高的相关。 二、不等式约束 假设回归系数 约束是 。 由于方程的一个或者多个系数受到不等式约束，会使回归估计 变得比较复杂。为简化不等式约束，得到 的最小二乘估 计，定义约束估计 如下： 被定义在一个有限的区间内，不服从正态分布，但是当样本 增大时，通常不受限制的估计在不等式约束区间外的可能性就 会变小，即对于大样本的情形，我们可以认为上式的分布合理 地近似正态分布，另一种近似是“混合估计” 二、不等式约束 混合估计 对于同样的约束 ， 在区间的可能性为1，但是其在 区间的位置一无所知，一般认为 在区间内是均匀的，可 写为 其中： 主要思想：将一个或是几个回归系数的先验信息同样本资料 接合起来，把不等式约束看作一个附加的观察值，然后用最 小二乘法“扩展样本”。 二、不等式约束 首先： 上式表示第（n+1）个观察值会引起异方差，将两边乘以 得到 此时， 这就排除了异方差性。 yi第（n+1）个的观察值是不知道的，因为 是未知的，但我们 可以用 代替 。 二、不等式约束 对于只有两个解释变量且约束为 ，其混合估计是 其中 混合估计的 方差估计式 在给定的特殊条件下， 混合估计是一致和渐近有效的。但是方差估 计式以非线性的方式含有 ，无偏性较难证明，导致混合估计有可能在 区间外。 三、线性约束 精确识别：约束参数由无约束参数唯一确定 考虑单个解释变量的季节影响模型 对后三个季节引入二态变量 三、线性约束 原模型可写成： 这里有5个参数：α1，α2，α3，α4和β。该问题的约束就是 α2等于Qt2的系数加截距，α3等于Qt3的系数加截距，α4等于 Qt4的系数加截距。 对于上式，无约束形式是 三、线性约束 对比两式系数可得