第2讲 估计模型的检验（研2012）.pptVIP

计量经济学两大核心： 估计与检验 第二讲 田益祥 2012年3月 例子中估计得到的方程： Pi的估计= -21215.03 + 234.8864 CPI t Ei的估计= -20417.06 + 219.234 CPI t 模型的检验 模型的检验包括： 模型的检验 什么是检验： 对模型和所估计的参数加以评定，判定在理论上是否有意义，在统计上是否显著。 为什么要检验： ● 理论依据可能不充分 ● 统计数据或其他信息可能不可靠 ● 样本可能较小，结论只是抽样的某种偶然结果， ● 可能违反计量经济估计的基本假定 模型的检验的解释： 参数估计以后，模型便已确定。但模型是否符合实际，能否解释实际经济过程，提交使用前还需要进行检验。 经济理论检验——（用消费支出为例说明） 我们估计如下回归： ? t = 24.7747 + 0.9415X 2 t - 0.0424X 3 t （6.7525）（0.8299） （0.0807） t=(3.669) (1.1 442) (-0.5261) r2 =0.9635,调整r2 =0.9531 注：财富变量不仅统计上不显著， 而且带有错误的符号（与经济理论不符） 为什么要进行统计检验？ 看出一个例子：资本资产定价模型： ERi–rf=βi（ERm–rf）对股票的分类 是否是进取证券？ 福格勒，根据1956-1976年间24个月回报率，算得IBM股票相对 于芝加哥大学编制的市场组合证券指数特征线如下： rit = 0.7364 + 1.0598rmt se=（0.3001） （0.0728） r2 = 0.471， 模型为基础的统计检验 rit = 0.7364 + 1.0598rmt se=（0.3001） （0.0728） r2 = 0.471， 证券是进取证券？ 假设检验统计量的构造 常用的统计分布 正态分布 概率密度函数为 假设检验常用的统计分布 由正态分布可导出 分布、t分布及F分布，它们与正态分布一起，是数理统计中常用的分布 分布 当 相互独立且都服从N(0,1)时， 的分布称为自由度等于n的 分布，记作Z～ (n) 分布具有可加性，即当Y与Z相互独立，且Y～ (n)，Z～ (m)，则Y+Z～ (n+m) 计量经济学常用的t分布 t分布 若X与Y相互独立，且X～N(0,1)，Y～ (n)，则  的分布称为自由度等于n的t分布，记作 Z ～ t (n)。 计量经济学常用的F分布 假设检验 假设检验 某一给定的观测或发现是否与某声称的假设相符？ 用统计学语言表述，声称的假设叫虚拟假设或原假设，并用符号H0表示。 假设检验通常要有一个对立假设H1。对立假设分为简单假设和复合假设。 假设检验 假设检验理论是要确定一个标准（显著性水平，通常取0.05对应95%概率），以便决定拒绝或不拒绝某个虚拟假设。 当拒绝虚拟假设时，通常表述为统计上显著的。反之，不是统计上显著的。 假设检验主要有两种方法： 置信区间法 显著性检验法 假设检验 置信区间法 建立在区间估计的概念上，区间估计是指构造一个区间，使得它能按照预定的概率（如95％）把未知参数的真值包括在其界限内，这一区间称为置信区间，若原假设值落入置信区间内，就不拒绝原假设，否则就拒绝原假设。 假设检验的置信区间法 置信区间法 指构造一个置信区间，若原假设值落入置信区间内，就不拒绝原假设，否则就拒绝原假设。假定原假设为 假设检验的显著性检验法 显著性检验法 显著性检验法不用求出置信区间，而是直接比较估计值和原假设值之间差异的大小。若“差异”较小，就不拒绝原假设，否则就拒绝原假设。 是否是进取证券例子的原理 假设检验 假设检验中的一些实际操作问题 由于原假设通常存在一个接受域，因此在不能拒绝某个原假设时宁可说“不拒绝”而不是“接受”原假设（接受是一种排他性的、确定性的论断）。 简化了的t检验法 假设检验中的一些实际操作问题 “2倍t”经验法则（简化了的t检验法）：如果自由度20且显著性水平在0.05，若t值绝对值2，则可拒绝原假设 β2 =0 ，因t分布在自由度为20或更大，5％的显著水平上其临界值在2左右。 假设检验 精确（观测）的显著性水平：P值 正态性检验 正态性检验是检验误差项是否为正态分布是估计与检验方法的基础。 正态性检验 正态性的雅克－贝拉（Jarque－B