自变量选择和受约束回归选编.pptx

自变量的选择;2;例题：粮食产量（Y）通常由生产劳动力（L）、化肥用量（K）等因素决定的。;三、冗余(Redundant Variables)变量 ;;2、遗漏变量检验要求在原始方程中和检验方程中观测值数相等。如果要加入变量的任一序列与原方程样本相比，含有缺失观测值（当加入滞后变量时这种情况常见），检验统计量将无法建立。;§3.6 受约束回归;;受约束回归;一、模型参数的线性约束;;F检验; 受约束样本回归模型的残差平方和RSSR;;可用RSSR - RSSU的大小来检验约束的真实性;; 例3.6.1 中国城镇居民对食品的人均消费需求实例中，对零阶齐次性检验： ;无约束条件 P85;有约束条件 P87;这里的F检验适合所有关于参数线性约束的检验;案例分析;原始数据;可以用OLS进行估计;输出结果;是否满足约束条件;;模型变化;二、对回归模型增加或减少解释变量;相应的Ｆ统计量为：; 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。;*三、参数的稳定性; 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;因此，检验的F统计量为：;参数稳定性的检验步骤：;View/Stability Test/Chow Breakpoint Test ;2、邹氏(Chow)预测检验; 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。 ; 如果? =0，则 ? = ?，表明参数在估计期与预测期相同;如果参数没有发生变化，则?=0，矩阵式简化为;这里：KU - KR=n2 RSSU=RSS1; 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： ;View/Stability Test/Chow Forecast Test ; *四、非线性约束 ;1、最大似然比检验 (likelihood ratio test, LR) ; 受约束的函数值不会超过无约束的函数值，但如果约束条件为真，则两个函数值就非常“接近”。; 在中国城镇居民人均食品消费需求例中，对零阶齐次性的检验：; ２、沃尔德检验（Wald test, W） ;记 ; 3、拉格朗日乘数检验 ; 拉格朗日统计量LM本身是一个关于拉格朗日乘数的复杂的函数，在各约束条件为真的情况下，服从一自由度恰为约束条件个数的渐近?2分布。