§36 受约束回归.ppt

§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： 0阶齐次性 条件的消费需求函数 1阶齐次性 条件的C-D生产函数 模型施加约束条件后进行回归，称为受约束回归（restricted regression）; 不加任何约束的回归称为无约束回归（unrestricted regression）。 对模型 施加约束 得 或 (*) (**) 如果对（**）式回归得出 则由约束条件可得： 然而，对所考查的具体问题能否施加约束？ 需进一步进行相应的检验。常用的检验有： F检验、x2检验与t检验， 主要介绍F检验 在同一样本下，记无约束样本回归模型为 受约束样本回归模型为 于是 受约束样本回归模型的残差平方和RSSR 于是 e’e为无约束样本回归模型的残差平方和RSSU (*) 受约束与无约束模型都有相同的TSS 由（*）式 RSSR ? RSSU 从而 ESSR ? ESSU 这意味着，通常情况下，对模型施加约束条件会降低模型的解释能力。 但是，如果约束条件为真，则受约束回归模型与无约束回归模型具有相同的解释能力，RSSR 与 RSSU的差异变小。 可用RSSR - RSSU的大小来检验约束的真实性 根据数理统计学的知识： 于是： 讨论： 如果约束条件无效， RSSR 与 RSSU的差异较大，计算的F值也较大。 于是，可用计算的F统计量的值与所给定的显著性水平下的临界值作比较，对约束条件的真实性进行检验。 注意，kU - kR恰为约束条件的个数。 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： 取?=5%，查得临界值F0.05(1,10)=4.96 判断：不能拒绝中国城镇居民对食品的人均消费需求函数具有零阶齐次特性这一假设。 无约束回归:RSSU=0.00324， kU=3 受约束回归:RSSR=0.00332， KR=2 样本容量n=14， 约束条件个数kU - kR=3-2=1 这里的F检验适合所有关于参数线性约束的检验 如：多元回归中对方程总体线性性的F检验： H0： ?j=0 j=1,2,…,k 这里：受约束回归模型为 这里，运用了ESSR ＝0。 (*) (**) (*)式可看成是（**）式的受约束回归： H0： 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。 讨论： Ｆ统计量的另一个等价式 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