计量经济学经典eviews定义及诊断检验.doc

PAGE  PAGE 32 计量经济学经典eviews 定义和诊断检验 本章描述的每一检验过程包括假设检验的原假设定义。检验指令输出包括一个或多个检验统计量样本值和它们的联合概率值（p值）。p值说明在原假设为真的情况下，样本统计量绝对值的检验统计量大于或等于临界值的概率。这样，低的p值就拒绝原假设。对每一检验都有不同假设和分布结果。 方程对象菜单的View中给出三种检验类型选择来检验方程定义。包括系数检验、残差检验和稳定性检验。其他检验，如单位根检验（13章）、Granger因果检验（8章）和Johansen协整检验（19章）。 §15.1 系数检验 一、Wald检验——系数约束条件检验 Wald检验没有把原假设定义的系数限制加入回归，通过估计这一无限制回归来计算检验统计量。Wald统计量计算无约束估计量如何满足原假设下的约束。如果约束为真，无约束估计量应接近于满足约束条件。 考虑一个线性回归模型：和一个线性约束：，R是一个已知的阶矩阵，r是q维向量。Wald统计量在下服从渐近分布，可简写为： 进一步假设误差独立同时服从正态分布，我们就有一确定的、有限的样本F-统计量 是约束回归的残差向量。F统计量比较有约束和没有约束计算出的残差平方和。如果约束有效，这两个残差平方和差异很小，F统计量值也应很小。EViews显示和F统计量以及相应的p值。 假设Cobb-Douglas生产函数估计形式如下： （1） Q为产出增加量，K为资本投入，L为劳动力投入。系数假设检验时，加入约束。 为进行Wald检验，选择View/Coefficient Tests/Wald-Coefficient Restrictions，在编辑对话框中输入约束条件，多个系数约束条件用逗号隔开。约束条件应表示为含有估计参数和常数（不可以含有序列名）的方程，系数应表示为c(1)，c(2)等等，除非在估计中已使用过一个不同的系数向量。 为检验规模报酬不变的假设，在对话框中输入下列约束：c(2)+c(3)=1 二、遗漏变量检验 这一检验能给现有方程添加变量，而且询问添加的变量对解释因变量变动是否有显著作用。原假设是添加变量不显著。选择View/Coefficient Tests/Omitted Variables—Likehood Ration，在打开的对话框中，列出检验统计量名，用至少一个空格相互隔开。例如：原始回归为 LS log(q) c log(L) log(k) ，输入：K L，EViews将显示含有这两个附加解释变量的无约束回归结果，而且显示假定新变量系数为0的检验统计量。 三、冗余变量 冗余变量检验可以检验方程中一部分变量的统计显著性。更正式，可以确定方程中一部分变量系数是否为0，从而可以从方程中剔出去。只有以列出回归因子形式，而不是公式定义方程，检验才可以进行。 选择View/Coefficient Tests/Redundant Variable—likelihood Ratio，在对话框中，输入每一检验的变量名，相互间至少用一空格隔开。例如：原始回归为： Ls log(Q) c log(L) log(K) K L，如果输入K L，EViews显示去掉这两个回归因子的约束回归结果，以及检验原假设（这两个变量系数为0）的统计量。 §15.2 残差检验 一、相关图和Q—统计量 在方程对象菜单中，选择View/Residual Tests/Correlogram-Q-Statistics，将显示直到定义滞后阶数的残差自相关性和偏自相关图和Q-统计量。在滞后定义对话框中，定义计算相关图时所使用的滞后数。如果残差不存在序列相关，在各阶滞后的自相关和偏自相关值都接近于零。所有的Q-统计量不显著，并且有大的P值。 二、平方残差相关图 选择View/Residual Tests/Correlogram Squared Residual，在打开的滞后定义对话框，定义计算相关图的滞后数。将显示直到任何定义的滞后阶数的平方残差的自相关性和偏自相关性，且计算出相应滞后阶数的Q-统计量。平方残差相关图可以用来检查残差自回归条件异方差性（ARCH）。见下面ARCH LM检验。如果残差中不存在ARCH，在各阶滞后自相关和偏自相关应为0，且Q统计量应不显著。 三、直方图和正态检验 选择View/Residual Tests/Histogram Normality，将显示直方图和残差的描述统计量，包括检验正态性的Jarque-Bera统计量。如果残差服从正态分布，直方图应呈钟型，J-B统计量应不显著。 四、序列相关LM检验 选择