参数的稳定性检验 计量经济学 EVIEWS建模教材.pptxVIP

回归模型参数的稳定性检验 ;㈠ 邹氏突变点检验;假设需要建立的模型为： Y = β0 + β1 X1 + β2 X2 + … + βk Xk + εt 将原时序分为两个或多个连续的时间序列(1～n1)与(n1+1～n1+n2)等，相应的各阶段模型分别为： Y1 = β10 + β11 X11 + β12 X12 + … + β1k X1k + ε1t Y2 = β20 + β21 X21 + β22 X22 + … + β2k X2k + ε2t 这里要注意为保证各阶段方程的可解，必须要n1和n2等都大于k+1 ；则以矩阵形式表述各模型如下： ;;⑴提出原假设H0：βq= βh ，即假设参数前后两保持一致没有变化。 ⑵分别计算估计原回归方程，及前后各阶段的回归方程，并求得各方程的残差平方和。即原模型的残差平方和记为RSSR；各分阶段时序建立的回归方程的残差平方和记为RSSq、RSSh等。则无约束的分块式的残差平方和为： RSSU = RSSq + RSSh;㈠邹氏预测检验Chow test for predictive failure;;;第一步，提出原假设H0: α = β；H1: α ≠ β； 第二步，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 ； 第三步，对前一时间段的n1组数据构成的子样做OLS回归，得残差平方和RSSU ； 第四步，计算检验统计量F值； 第五步，做出判断：在给定显著性水平?下，查F分布表，得临界值F?(n2, n1-k-1)，如果F F?(n2, n1-k-1) ，则拒绝原假设，认为预测期发生了结构变化。 ;不稳定;递归最小二乘法(Recursive Least squares)是不断扩大样本并逐次重新估计的动态估计方法。 令Xt-1为1到t-1期的解释变量的k×(t-1)阶矩阵，Yt-1为对应的被解释变量的向量，Bt-1为OLS估计的系数。则：Yt-1=Xt-1Bt-1+εt-1。 设Yt的预测值yt=xtTBt-1，其中xt为第t期观察值的来向量；则预测误差为：yt-xtBt-1；预测误差的方差为σ2[1+xtT(Xt-1TXt-1)-1xt]；定义递归残差为：;根据此递归残差公式可以分别计算出t=k+1,…,T期的递归残差。如果建立的模型有效，递归残差将服从独立的均值为零、方差为常数的正态分布。软件中提供了6个曲线图，菜单如下：;⑴递归残差RR 程序给出了零均值线及2个标准差的区域，图形的分布越集中越好。如果残差落在该区域之外，说明方差的参数是不稳定的。下面的三个图示，表明其所属的方程一个比一个好：;⑵残差累积和分布曲线CT 程序给出了零均值线及上下两条临界线所构??的区域，如果残差累积和超出这个区域，则说明方差的参数不具稳定性。下面的左图所反映的方程要优于右面图所反映的方程。;⑶残差平方累积和分布曲线CST 程序给出了残差平方关于时间的分布图形，及一对5%的上下两条临界线所构成的区域，如果平方的残差累积和超出这个区域，则说明方程的参数不具稳定性。下图所示一个比一个好：;⑷一步预测检验OFT 程序给出了两部分图，上面的递归残差和标准差的RR分布图形；下面是参数恒定的5%、10%、15%的水平被拒绝的样本点的概率值。下图由左向右一个比一个要好：;⑸N步预测检验NFT 程序主动给出了一系列的邹氏检验，图形OFT类似：;⑹递归系数变化图RC 变化趋势越集中越好。例如某方程2的三个系数变化情况如下：;㈠ 程序的选择;⒈邹氏稳定性检验 分别采用F统计量、LR统计量和Wald统计量来对模型的参数做稳定的检验。具体操作时要注意： ⑴在窗口中输入分割样本数据的时间，然后根据给出的结果进行检验分析，以判断该方程的稳定程度。 ⑵邹氏突变点的检验是在突变点已知的情况下进行的。这需要事先观察可能的突变时间点，要以政策开始点或事件转变点。;⒉QA突变检验 原假设都是参数为稳定的。具体操作时要注意： ⑴默认状态下对所有参数都进行检验； ⑵默认时最初和最后的7.5%时间，即合起来15%的时间不计算邹氏预测检验； ⑶输出结果是三类指标、两个统计量，及其对应的概率P值； ⑷该检验是在突变点未知的情况下进行检验的主要方程。;⒊邹氏预测检验 原假设是参数为稳定的。具体操作时要注意： ⑴在窗口中输入分割样本数据的时间，然后根据给出的结果进行检验分析，以判断该方程的稳定程度。 ⑵邹氏预测检验的预测期要短一些。 ⒋递归最小二乘法 ⑴六个选项要结合使用； ⑵该动态检验要优于上述各静态检验。