第七章扩张的单方程计量经济学模型总汇.ppt

F检验的思路是：将情形2、3分别视为对情形1施加了参数约束。 经典模型中的约束检验： 主要工作是计算3种情形的残差平方和。下面列出了计算过程，可以忽略。因为在实际应用中，分别对3种情形的的模型进行估计，以得到残差平方和。 F统计量的计算方法 检验假设2的F统计量 从直观上看，如S3－S1很小，F2则很小，低于临界值，接受H2。 S3为截距、系数都不变的模型的残差平方和，S1为截距、系数都变化的模型的残差平方和。 检验假设1的F统计量 从直观上看，如S2－S1很小，F1则很小，低于临界值，接受H1。 S2为截距变化、系数不变的模型的残差平方和，S1为截距、系数都变化的模型的残差平方和。 Eviews 不能自动进行F检验，需要单独进行检验。 从理论上讲，模型设定检验是不可缺少的。 在实际应用中，最容易被忽视。 该模型通常被称为最小二乘虚拟变量(LSDV)模型，有时也称之为协方差分析模型(解释变量既有定量的，也有定性的)。 如果n充分小，此模型可以当作具有（n+K)个参数的多元回归,参数可由普通最小二乘进行估计。 当n很大，甚至成千上万，OLS计算可能超过任何计算机的存储容量。此时，可用分块回归的方法进行计算。 分块回归的思路是：设法消去数量很多的αi，估计β，然后利用每个个体的时间序列数据计算αi 。 β的协方差估计是无偏的，且当n或T趋于无穷大时，为一致估计。它的协方差阵为： 分块估计的思路： 首先构造1个不含αi，只包含β的模型，对其进行OLS。 然后分别在每个个体上计算αi，分块的含义体现于此。 通过F统计量检验变截距假设 将βi视为固定的不同的常数时，可写成： 显然，如果随机干扰项在不同横截面个体之间不相关，上述模型的参数估计极为简单，即以每个截面个体的时间序列数据为样本，采用经典单方程模型的估计方法分别估计其参数。即使采用GLS估计同时得到的GLS估计量，也是与在每个横截面个体上的经典单方程估计一样。 条件： 如果随机项在不同横截面个体之间的协方差不为零，GLS估计比每个横截面个体上的经典单方程估计更有效。 为什么？ 经典模型中采用的变量显著性t检验仍然是有效的。 如果省略的变量与保留的变量不是正交的，那么对参数估计量将产生影响，需要进一步检验这种省略是否恰当。 检验步骤 首先进行约束模型的估计 选择系数检验 引入省略的变量 判断 省略CC，只保留CM，估计模型 选择”Omitted Variables-LR Test” 引入CC 拒绝CC系数为0的0假设 截面数据样本，容易存在异方差性。 假定异方差结构为： 采用LM检验 一般都存在异方差。 不检验，采用White修正进行估计 检验关于分布的假设（probit、logit ）。 一般不进行该项检验。 具体见相关教科书（Greene,P682）。 β：模型1的参数，γ：模型2的参数。 组合模型的似然函数： 构造LM统计量，如果不拒绝零假设，表明模型1是适当的。 当二元离散选择模型被估计后，将所有样本的解释变量观测值代入模型，计算得到每个样本的被解释变量选择1的概率，与每个样本被解释变量的实际观测值进行比较，以判断模型的预测（回代）效果，是一种实际有效的模型检验方法。 确定临界值方法： 朴素选择：p=0.5 (1、0的样本相当时） 先验选择：p=（选1的样本数/全部样本）（全样本时） 最优阈值：犯第一类错误最小原则 朴素选择，即以0.5为阈值：除了2个样本外，所有样本都通过了回代检验。 先验选择，即以选择1的样本的比例0.41为阈值：除了1个样本外，所有样本都通过了回代检验。 我国上市公司财务欺诈识别模型 样本：年度报告审计意见为“无法发表意见”或者“证监会立案调查”等公司属于财务欺诈样本；年度报告审计意见为“标准无保留意见”和财务报表满足“利润×现金流量＞0”的公司属于配对样本。 解释变量：开始选择11个财务指标；通过T检验，确定6个指标：资产负债率、资产毛利率、资产周转率、营运资金比率、应收账款周转率、经营活动现金流量/资产额。 样本：财务欺诈公司30，非财务欺诈公司30 采用犯第一类错误最小原则确定最优阈值为0.68 欺诈样本中，p0.68，26个，占86.7% 非欺诈样本中，p0.68，25个，占83.3% 被解释变量：当年发生并购行为为1，反之为0。 解释变量：净利润率、……，全流通虚变量。 试图研究全流通都并购的影响。 样本：1994-2008上市公司，并购样本731，非并购样本9835。 采用先验原则，P=5% 模拟结果： 并购样本中：p5%占53% 非并购样本中：p5%占72% 一、概述 二、模型的设定——F检验 三、固定影响变截距模型 四、固定影响变系数模型 独立的计量经济学分支 比较多地用于宏观经济分析——统计数据 也可以用