约束回归模型.pptVIP

§3.6 受约束回归;受约束回归; 一、模型参数的线性约束; 然而，对所考查的具体问题能否施加约束？; 受约束样本回归模型的残差平方和RSSR; 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。; 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。; 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： ;这里的F检验适合所有关于参数线性约束的检验; 二、对回归模型增加或减少解释变量; 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：; 2、邹氏预测检验;分别以?、? 表示第一与第二时间段的参数，则;如果参数没有发生变化，则?=0，矩阵式简化为; 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： ; 例3.6.2 中国城镇居民食品人均消费需求的邹氏检验。 ; 给定?=5%，查表得临界值F0.05(4, 13)=3.18 判断：F值临界值，拒绝参数稳定的原假设，表明中国城镇居民食品人均消费需求在1994年前后发生了显著变化。 ; *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。