了解多元线性回归模型的置信区间的计算方法.pptVIP

即约束条件为真 即不可施加约束条件。 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， 与 的差 异变小。 根据数理统计学的知识： 于是： 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。 其中，kU, kR分别为无约束与受约束回归模型的解释变量的个数（不包括常数项）， kU-kR恰为约束条件的个数。 例3-2 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： 统计量的另一个等价式： 相应的F统计量为： 如果约束条件为真，即额外的变量 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F 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 　　 对于时间序列数据，因变量和解释变量之间 的关系可能会发生结构变化，这可能是由经济系 统的需求或供给冲击带来的，也可能是制度转变 的结果。 因此，建立模型时往往希望模型的参数和设 定关系是稳定的，即所谓的结构不变，那么如何 检验结构变化？ （一）邹氏参数稳定性检验 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： 与 ； 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 ； 3.计算统计量的值 邹氏参数稳定性检验 。 （二）邹氏预测检验 邹氏预测检验的基本思想： 先用前一时间 段个样本估计原模型，再用估计出的参数进行后一时间段 个样本的预测。 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。 分别以 、 表示第一与第二时间段的参数，则 矩阵式为： 如果参数没有发生变化，则 ，矩阵式简化为 检验: 邹氏预测检验步骤： 1.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 ； 2.对前一时间段的 个子样做回归，得残差平方和 ； 3.计算检验的 统计量，做出判断。给定显著性水 平 ，查 分布表，得临界值 ； 如果 ，则拒绝原假设，认为预 测期发生了结构变化。 四、三大经典的非线性约束检验 估计线性模型时也可对模型参数施加非线性约束。 如对模型 施加非线性约束 ，得到受约束回归模型： 该模型无法运用普通最小二乘法进行估计的， 必须采用非线性最小二乘法进行估计。 非线性约束检验是建立在最大似然原理基础上 的，有最大似然比检验、沃尔德检验与拉格朗日乘 数检验。 （一）最大似然比检验（LR） 最大似然比检验需要估计无约束回归模型与受 约束回归模型，运用最大似然估计法，检验两个似 然函数的值的差异是否“足够”大。 似然比： 如果比值不接近于1 ，说明两似然函数值差距较大，则应拒绝约束条件为真的假设；如果比值 接近于1，说明两似然函数值很接近，应接受约 束条件为真的假设。 具体检验时，由于大样本下： h是约束条件的个数。因此：通过LR 统计量的?2分布特性来进行判断。 （二）沃尔德检验（WD） LR检验既要估计约束条件下的极大似然函数值，又要估计无约束下的极大似然函数值，当约束模型的估计很困难时，此方法尤为适用。 沃尔德检验中，只须估计无约束模型。如对 要检验约束 　　 ，只须对该模型进行回归，并判断 　　与1的差距是否足够大。 在所有古典假设都成立的条件下，容易证明