第七章_模型变换的检验.docVIP

第七章 模型变换的检验与诊断 §7.1 引 言 经济计量模型的构建，是在不断的探索、修正与完善过程中完成的。从一定先验信息出发，我们建立了初始的经验模型，但这些模型往往并不能正确地反映经济运行的实际过程。为了一致地满足经济学家、统计学家和数学家的实际需要和客观要求，我们要对所建经验模型作进一步的修正。修正的方法很多，其中，较为常用的是变换法，即对模型重新进行参数化，使模型参数估计、统计推断和假设检验更适合它们所应满足的前提条件，从而改进经验模型。 “Box-Cox幂变换簇”是一种典型的模型变换范例，它通过引入一个新的参数λ，并由样本数据集本身对变换参数λ进行自适应估计，从而能有效地改善经验模型的拟合与预测。 1964年，Box,G.E.P.和Cox,D.R.提出的“Box-Cox幂变换簇”具有如下形式： (7.1.1) 这里，假定y为正值无界变量。 对于取负值或有界的变量，可采用下述推广的Box—Cox幂变换簇： (7.1.2) 此变换适合于变量y可取负值的无界变量情形，并称为漂移参数，满足：。 当y在 [a，b] 内取值时，可使用如下折叠的幂变换簇： (7.1.3) 此外，对于对称长尾分布数据来讲，John,J.A.和Draper,N.R.(1980)建议使用如下模变换簇：  (7.1.4) 除了对响应变量可作上述变换外，还可对解释变量作以上变换。当然，还可对响应变量与解释变量同时作变换。后者称之为“双边Box—Cox变换”。 不论采用何种变换，我们的出发点总是使变换后的模型更能适合经济过程本身，以及更能适合作估计、推断、检验和预测的前提。 显然，模型变换的关键是对变换参数λ依据样本观测作出恰如其分的估计。由于变换参数的估计值强烈地依赖于样本数据，并且由样本数据自动调节，因而这种变换的优点在于：针对不同的经济过程采用不同的变换，从而具有自适应性(adptive)。但同时也存在着严重的、有待深入研究的问题：样本数据的质量和属性强烈地影响着变换参数的估 计。一般来说，不同样本点对的影响程度千差万别，其影响机理也不尽相同。因此，如何有效地估计变换参数，以及如何精细地刻画数据对的影响，成为模型变换研究中两个亟待解决的、富有实际意义的问题。 变换参数的估计通常采用两种方法：Atkinson估计法和最大似然估计法。它们是在1982年分别由Atkinson,A.C.和Cook,R.D＆Weisberg,S.提出的。一般来说，同一个模型变换问题可使用上述两种方法对变换参数进行估计，所得结果基本相同。但也有例外情况发生：使用Atkinson方法和使用最大似然法所得两个估计值差异很大。最著名的例证是美国22种喷气式战斗机机型数据，它出现于诊断理论的开创性经典著作Cook,R.D.Weisberg ,S.(1982)中。在该例中，变换参数的Atkinson估计为= - 0.54, 而相应的最大似然估计为= -0.024。出现这种显著差异的根本原因在于数据集中包含有极端异常值点。事实上，将F-111A这种机型的数据删除后，在Atkinson方法下接受了原假设H0:λ=1,置信水平为α=0.05，而相应的最大似然估计= 0.973，它十分接近1。因而，在F-111A单点删除后两种方法所得结论相同，即不需要对响应变量作变换。这从一个侧面反映了这样一个重要事实：样本信息差异对不同估计方法，以及对不同检验方法的影响是不同的。 另一个值得关注的问题是：样本信息差异对同一估计方法的影响机理。本章给出的中国消费数据，正好提供了模型变换参数检验诊断的具体范例，诊断出了Box-Cox幂变换簇下变换参数λ的Atkinson估计检验强影响点群。 §7.2 变换参数的Atkinson估计及检验法 对于数据集(xTi,Yi)，i=1,2,…,n，记响应变量Y=(yi)的数据变换为Y(λ), Y(λ)=(yi(λ)),yi(λ)= h(yi,λ),i = 1 , 2 ,… ,n。我们讨论h(yi,λ)取Box-Cox变换(7.1.1)的情形。一般设定，经过幂变换后，Y(λ)形成线性模型，且满足正态性条件： (7.2.1) 将Y(λ)作标准化，记标准化数据变换模型为： (7.2.2) 其中，，而可表示为： (7.2.3) 这里，G(Y)为各分量的几何平均值：  Atkinson方法的基本思想是，将Z(λ)在初值(常取，即对数据不作变换)处进行Taylor一阶展开，从而化为一个常规线性模型： (7.2.4)